RACHEM Sabrina

Remerciement
Je tiens à remercier mon encadrant Mer. Mounir. Garaja pour son soutien et ses
conseils.
Je remercie aussi tous les cadres au sein de mon entreprise de parrainage la CNEP-
Banque spécialement le directeur de la formation Mer A. KASSIOUI, pour m‟avoir
accueillie et aidé à la réalisation de ce mémoire.
Mes remerciements vont aussi à toute l‟équipe de l‟Institut de Financement du

Développement du Maghreb Arabe, Direction, Administration et Corps enseignant.
Mes remerciements s‟étendent également à ma très chère famille pour sa

contribution, son soutien et sa patience.
Mes vifs remerciements s‟adressent finalement aux membres de jury qui ont accepté
de juger ce travail.
Dédicace
A la mémoire de mon cher frère Adel
A mes très chers parents, qui ont toujours cru en moi et pour qui
tous les mots de remerciement seraient insuffisants
Je n’oublierai pas mes très chères sœurs Hanane et Nassima
avec son marié Rabiaa , Hanane e et mes frères
Mohamed et Sofiane,
Et surtout mes nièces Liticia et Zineb
Et en fin A mes amis Kamilia et surtout Boualem qui m’a
soutenu et sans oublié Hakim
Sabrina
Sommaire
Introduction générale ............................................................................................. 1
Chapitre I : Concepts théoriques de la performance ............................................................
Section 1 : La performance un concept multidimensionnel ...................................................... 6
Section 2 : L‟efficience des banques ....................................................................................... 19
Section 3 : Les mesures traditionnelles de la performance ..................................................... 23
Chapitre II : les Méthode de mesure de la performance bancaire.........................................
Section 1 : Les outils classiques de mesure de la performance bancaire ................................. 33
Section 2 : Les méthodes paramétriques ................................................................................ 36
Section 3 : Les méthodes non paramétriques ......................................................................... 43
Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-

Banque ...............................................................................................................................
Section 1 : Méthodologie et présentation des données ............................................................ 62
Section 2 : Classification des agences et choix de modèle ....................................................... 68
Section 3 : Application de la méthode DEA sur les agences de la CNEP-Banque ................... 72
Conclusion générale ................................................................................................ 93

Introduction Générale
Introduction générale
Le monde bancaire et financier a connu ces dernières décennies des bouleversements

perpétuels à l‟échelle internationale, en termes de désintermédiation, de libéralisation des
conditions d‟exercice des activités bancaires, de globalisation financière ainsi qu‟en termes de
diversification des produits commercialisés. Tous ces changements relatifs à la sphère réelle
et financière se sont accompagnés par une concurrence amplifiée dans tous les métiers
bancaires et financiers.
De surcroît, la crise financière de 2007 représente l‟un des faits les plus marquants de
l‟histoire de la finance, elle a concrétisé fermement la volatilité et l‟incertitude de
l‟environnement dans lequel exercent les banques et les établissements financiers, qui pour
maintenir leurs parts de marchés et préserver leur caractère compétitif, doivent renforcer
davantage leurs capacités pour faire face et se démarquer par une bonne politique
commerciale et de gestion.
Cependant ces deux dernières années, le secteur bancaire algérien s‟est engagé dans
une profonde mutation qui s‟est traduite par une bancarisation importante et une concurrence
rude entre les établissements de crédit. Ainsi les répercussions des changements de la
réglementation bancaire ont été également importantes sur l‟environnement bancaire et la
concurrences entre les banques.
Au premier plan de ces mutations on retrouve celles fixant les règles générales en
matière de conditions de banques applicables aux opérations des banques et établissements
des crédits, selon le règlement n° 13-01 du 08 avril 2013, ainsi celles imposées par la loi de
finance LFC 2014 qui a rétablit la remise documentaire comme second moyen de règlement
des opérations d‟importations.
1
Face à ces changements, les banques se doivent un minimum de protection afin d‟assurer
leurs pérennités et leurs développements par la mise en place d‟un système d‟évaluation de la
performance en cohérence avec les conditions environnementales et qui permet d‟apprécier
entre autre, le niveau d‟atteinte des objectifs antérieurement fixés par les responsables tout en
prenant considération les moyens octroyés .
De ce point de vue, la performance doit être appréhendée à deux niveaux ; un premier

qui traite de la capacité de l‟unité de production à offrir une gamme de produits et services
financiers diversifiés et innovants, le second niveau quant à lui s‟intéressera à l‟aptitude de
cette dernière à optimiser la consommation de ses ressources.
Or, les méthodes traditionnelles du contrôle de gestion s‟avèrent incapables de prendre

en considération les deux critères de la performance pour l‟évaluation des activités de réseaux
d‟agences bancaires, et cela compte tenu de la complexité de leurs environnements qui
nécessitent des ressources distinctes.
C‟est dans ce contexte que nous nous posons en vue de palier à ce besoin grâce à
l‟approche DEA, par ailleurs, nous allons tenter de répondre à la problématique suivante :
« Comment évaluer la performance des agences bancaires par la méthode Data
EnvelopmentAnalysis (DEA) dans un contexte environnemental différent ? »
Cette approche permet d‟identifier les unités relativement efficientes dans un

échantillon et de développer une procédure de benchmarking par l‟identification des
meilleures pratiques. A partir de la, nous décomposons notre problématique en plusieurs
questions essentielles qui sont les suivantes :
 Comment allons-nous apprécier la performance des agences bancaires de la CNEP-

Banque en prenons en considération l‟environnement de l‟agence à l‟aide de la
méthode DEA ?
 Quelles sont les entités de production représentant les meilleures pratiques des agences
(les benchmarks) ?
 Quels sont les efforts que doivent effectuer les agences réputées être inefficientes par
la méthode afin d‟atteindre le même niveau d‟efficience des agences benchmarks
2
Pour apporter des éléments de réponse à ces questions, nous avons organisé notre travail
en deux parties, séparant les aspects théoriques et la mise en pratique.
La partie théorique est subdivisée en deux chapitres : dans le premier nous allons aborder
les définitions des concepts de la performance dans sa première section pour ensuite
développer les particularités de cette notion en milieu bancaire dans la seconde section et
présenté les mesures traditionelles de la performance dans la troisième section.
Le deuxième chapitre sera consacré aux méthodes d‟évaluation de la performance

bancaire, nous présentons les méthodes simples utilisées par les praticiens, ensuite nous
présentons les aspects techniques des méthodes paramétriques dans la seconde section, ainsi
que les aspects techniques des méthodes non paramétriques dans la troisième section.
Tandis que la partie pratique sera divisée en trois sections, la première sera consacrée
au méthodologie et présentation des données, la deuxième porte sur la classification des
agences et choix de modèle et dans la troisième section nous appliquons la méthode DEA sur
l‟ensemble des agences de la CNEP-Banque dans le but d‟obtenir le score d‟efficience de
chaque agence, par la suite une comparaison entre la méthode traditionnelle et les résultats de
DEA afin d‟apporter les corrections nécessaires et mettre en lumière les apports de la
méthode.
3
Chapitre I : Concepts théoriques de la
performance
Chapitre I : Concepts théorique de la performance
Introduction
La performance est aujourd‟hui un concept multidimensionnel , elle couvre des aspects
variés (économique, social et technique) avec la prédominance du caractère financier. La
performance est alors, un concept évolutif ou chaque individu qui s‟y intéresse peut l‟aborder
selon l‟angle d‟attaque qui lui convient.
Dans ce premier chapitre nous allons présenter la revue de littérature qui permet
d‟appréhender le concept de la performance ainsi que ces multiples dimensions.
5
Section 1 : La performance un concept multidimensionnel
1.1 Définition des concepts de la performance

Tenter de définir la performance n‟est pas une chose aisée et de nombreuses réflexions se
sont succédées à ce sujet. Pour J. Pericat (Rhône Poulenc) à propos de l‟évaluation de la
performance aux achats, la performance est une « évaluation de l‟avancement et de la qualité
des réalisations par rapport à des objectifs s‟inscrivant dans le cadre d‟une stratégie définie
par la Direction Générale et débouchant sur l‟élaboration de plans d‟action ».
Le concept couvre de multiples facettes. Ainsi, en économie, quelle que soit l‟activité
productive que l‟on étudie, on raisonne toujours en termes d‟objectifs à atteindre. Ces
objectifs peuvent être essentiellement privés c‟est-à-dire orientés vers la maximisation du
profit ou à la minimisation des coûts, ou d‟ordre plus général à savoir l‟optimisation de
l‟emploi des ressources, le contrôle des prix, la qualité des biens produits, etc.1.C‟est dans
cette logique que la performance d‟une entreprise est définie comme étant le degré de
réalisation des objectifs que les propriétaires lui ont assignés2.
De La Villarmois, définit également «l'efficacité comme étant la capacité à réaliser des

objectifs et retient la définition économique de l'efficience qui se réfère au ratio output/input.
L'accroissement de cette dernière provient de la maximisation de l'utilisation des ressources
qui passe par l'augmentation de la production sans accroissement des coûts, ou de la
délivrance d'un niveau de production ou de service donné en réduisant les dotations
factorielles (Etudes de Villarmois pour évaluer la performance des agences bancaires 1999)»3.
1
Revue «JENKINS 1994, PERELMAN, 1996»
2
Revue « THIRY, 1993»
3
LORINO P., Méthodes et pratiques de la performance, Edition d‟organisation, Paris, 1998, pp. 18-20.
6
Par ailleurs, la qualification d‟une entreprise comme étant performante est souvent
limitée à sa rentabilité financière. Cependant comme C. Marmuse, indiqué dans son livre « La
Performance » art 118, que celle-ci« revêt des aspects multiples, sans doute convergents, mais
qui méritent d‟être abordés dans une logique plus globale que la seule appréciation de la
rentabilité pour l‟entreprise ou pour l‟actionnaire ».Ce dernier pense que la performance doit
être vue sous trois angles majeurs : en fonction de la stratégie globale de l‟entreprise, dans son
interaction avec son milieu, dans sa structure organisationnelle qui doit être adaptée à
l‟évolution sociale et économique de l‟entreprise, enfin de son rendement et de sa rentabilité
financière.
Le premier constat qui peut alors être dégagé, est la nécessité de la prise en compte de
toutes les ressources utilisées pour l‟atteinte des objectifs et leurs comparaisons avec ceux des
concurrents et/ou ce qui a été fait dans le passé.
Enfin, nous dirons donc que l‟efficience concerne l‟emploi des ressources et l‟efficacité
de degré de réalisation des objectifs définis. Si une entreprise efficace est aussi efficiente, cela
signifie qu‟elle atteint son objectif et opère au coût le plus bas.
Etant donné que le concept de la performance admet plusieurs sens, sa signification fait
appel à plusieurs notations qui sont principalement les suivantes :
 La rentabilité : c‟est le rapport entre le bénéfice obtenu par rapport aux

ressources employées.
 La productivité : le rapport d‟un volume obtenu d‟outputs à un volume
consommé d‟inputs.
 L‟efficacité : c‟est le fait de réaliser les objectifs et les finalités poursuivis.
 L‟efficience : qui consiste à l‟optimisation de la productivité en maitrisant le coût
des ressources et en maximisant le revenu.
7
1.1.1. Les dimensions de la performance
Morin et Al ont identifié quatre dimensions de la performance4 :
 Une dimension de performance sociale : elle représente la valeur des ressources

humaines, c‟est la mobilisation, la motivation et l‟enthousiasme du personnel mesurés
par le rendement et le développement du personnel, la performance sociale a pour but
aujourd‟hui de créer un environnement de travail favorable pour le personnel et la
promotion de l‟activité de l‟entreprise.
 Une dimension de performance économique : représentant l'efficience économique

mesurée par l'économie des ressources et la productivité.
 Une dimension de performance financière : selon cette vision, l‟entreprise est tenue
d‟assurer le retour sur l‟investissement nécessaire qui permet de réaliser la rentabilité
souhaitée par les actionnaires et d‟assurer sa pérennité.
 Une dimension de performance sociétale: elle évalue les apports positifs et négatifs
d‟une entreprise sur son environnement, il s‟agit de savoir si la valeur ajoutée par
l‟entreprise représente un avantage net pour les membres de la firme et pour la
collectivité qui la contient.
Figure1 : La performance (Source Bouquin, 2004)
Processus
Résultat
Ressources
Efficience
Economie Efficacité
4
La revue comptable et financière N 69 Ete 2005
8
 Une dimension de performance globale: Ayant longtemps, la performance n‟été

traduit que par sa dimension financière, qui consiste à la réalisation de la
rentabilité souhaitable par les actionnaires avec le but de la préservation de la
pérennité de l‟entreprise. Mais avec les nouvelles approches globales elle
inclue la dimension sociale et environnementale.
Par conséquent, chaque entreprise est tenue de rationaliser ses choix d‟investissement
pour minimiser son impact négatif sur l‟environnement grâce notamment aux bonnes
pratiques et la bonne gestion des ressources pour contribuer au développement durable.
1.2. Les spécificités de la performance dans l‟activité bancaire
L‟activité bancaire est caractérisée par plusieurs facteurs qui rendent difficile la mise
en place des mesures de performance en comparaison avec le milieu industriel où cette tâche
a été moins compliquée, ces facteurs peuvent être résumés ainsi :
 La banque est une institution d‟intermédiation financière qui transforme les fonds
collectés sous forme de dépôts à vue, à terme et d‟épargne auprès des agents à
excèdent de ressources en crédits octroyés pour satisfaire les besoins des agents
économiques. Cependant, cette intermédiation représente l'assise de l‟activité bancaire
et joue un rôle dans l‟économie. En outre, ce processus de transformation est très
complexe et engendre un problème d‟affectation des ressources aux emplois. A cause
de la fongibilité de l‟argent, il est compliqué de connaitre le coût de la ressource
destiné à chaque emploi.
 Sur le plan des produits, la banque est une entreprise multi-productrice, elle offre à sa
clientèle une variété de produits et de services qui peuvent provenir d‟un même
processus de production, ce qui crée des liaisons entre ces derniers. D‟où la nécessité
d‟établir une nomenclature des produits bancaires par grande catégorie.
1.2.1. Les activités de la banque
Les métiers exercés par un établissement de crédit peuvent être regroupés en quatre
grandes Familles:
9
A-L‟ activité d‟intermédiation : au sein d‟une économie, il existe deux types d‟agents :
des agents à capacité de financement disposant d‟excèdent et les agents déficitaires qui ont
besoin de financement.
En tant qu‟intermédiaire financier, la banque intervient entre ces deux catégories d‟agents
par deux procédés et les met en relation au sein d‟une économie, il existe deux types
d‟intermidiation :
 L’intermédiation financière: ce procédé est lié à la finance indirecte ou à l‟économie

d‟endettement, où la banque vient s‟intercaler entre les agents économiques à capacité
de financement et ceux qui ressentent un besoin de financement. Dans son rôle
d‟intermédiaire, la banque collecte les fonds sous forme de dépôts et les prêtes à ceux
qui en ont besoin.
 La désintermédiation financière: Ce procédé rentre dans le cadre de la finance directe
ou d‟économie de marché des capitaux où les agents qui ont besoin et capacité de
financement entrent directement en relation en se présentant sur un marché de capitaux
(marché financier, marché monétaire).
B- L‟activité de trésorerie
Consiste à collecter les dépôts et à financer l'économie par les crédits et les placements.
Elle vise donc à faire face à la politique budgétaire de toute la banque, mais aussi à aligner les
deux préoccupations bancaires, en termes de délais et en termes de disponibilités.
C- La prestation de services
Les besoins des agents ne se limitent pas aux capitaux mais peuvent porter aussi sur des
services. Les prestations de services ne constituent pas une source de risques pour la banque
parce qu‟elles ne donnent naissance ni à une créance, ni à une dette et ni à un engagement de
hors bilan. Parmi les services que le banquier offre à son client (individu ou entreprise), on
peut distinguer les services matériels et les services immatériels.
D- L‟activité de marché
Outre la satisfaction des besoins des agents économiques quels soient des besoins de
capitaux ou de services, la banque se consacre à des activités de marché. Les métiers de
10
marché consistent à réaliser des opérations d‟arbitrage et de spéculation sur des instruments
financiers de taux ou de change.
1.2.2. La rentabilité bancaire5
La rentabilité d‟une banque représente son aptitude et sa capacité à dégager de son

exploitation des gains suffisants, après déduction des coûts nécessaires à cette exploitation,
pour faire face à son futur. Il s'agit donc, de mettre en relation les profits réalisés et les
capitaux engagés pour les obtenir. Il y‟a trois axes d‟analyse des rentabilités présentés par le
centre de profit, produit et de client :
 La rentabilité par centre activité (de profit) : les produits commercialisés générés par
les banques peuvent généralement être regroupés en cinq catégories homogènes
d‟activité: collecte des dépôts, distribution des crédits, la gestion des moyens de
paiement, l‟activité financière et les prestations de services.
La rentabilité par activité s‟attachera à calculer la marge dégagée par chacune des
catégories d‟activité ci-dessus, qui peuvent éventuellement être décomposées en sous-
catégories regroupant un certain nombre de produits.
 La rentabilité par segment clientèle : le calcul de la rentabilité permet d‟orienter la

stratégie de la banque vers les segments de clientèle ou de marché les plus porteurs et
les plus rentables, il permet également, de mieux cibler les actions commerciales sur
certains segments de marché ou de clientèle.
 La rentabilité par réseau de distribution : la rentabilité par réseau de distribution peut

être obtenue par l‟intermédiaire de la rentabilité par produit (addition des rentabilité de
tous les produits vendus par un même réseau de distribution), par client (addition des
rentabilités de tous les clients appartenant à un même réseau de
distribution ) ou par centre de profit (tous les points de ventes appartenant à un même
réseau de distribution ayant été préalablement définis comme étant de centre de profit,
ou comme un centre de profit globale).
5
Michel ROUACH-Gérard NAULLEAU « le contrôle de gestion bancaire et financier » troisième édition ; Paris,
2000 pg 239-242
11
1.2.3. Les principaux risques générés par les activités bancaires
Le risque fait partie du métier de banquier. Lorsque la banque accepte les dépôts de
client, elle les utilise sous forme des crédits ou des placements sans les conserver dans son
coffre pour lui rendre à sa demande à une date déterminée, le banquier alors prend un risque
lié à une pratique de l‟activité dans un monde incertain, les principaux risques que génère
l‟activité bancaire sont :
 Le risque de crédit : C‟est le risque de perte en cas de défaillance de l‟emprunteur, il

s‟agit de risque d‟impayé ou risque de défaut.6
 Le risque de taux: C‟est le risque encouru en cas de variation défavorables des taux
d‟intérêts, qui a un impact sur l‟ensemble des opérations de bilan et de hors bilan.
 Le risque de liquidité : C‟est le risque que l‟établissement ne pas pouvoir faire face à
ses engagements à un moment donné, ou ses échéances par la mobilisation de ses
actifs. La défaillance due à l‟inadéquation des montants et/ou échéances entre l‟actif et
le passif ( emprunter à court terme et prêter à plus long terme).
 Le risque de marché : C‟est le risque de réaliser des moins-values ou des pertes à la
revente des titres détenus suite à :
 La baisse des cours des titres ;
 L‟illiquidité du marché des titres à vendre : il n‟y a pas suffisamment
d‟acheteurs ;
 L‟obligation de vendre rapidement les titres même à un cours inférieur.
 Le risque de change : C‟est le risque de perte de la valeur des actifs, suite à une
variation défavorable du cours des devises. C‟est le risque sur les titres, indices
boursiers et produits dérivés …, il est mesuré par la position de change et il doit être
couvert par les fonds propres.
 Le risque opérationnel : C‟est le risque qui résulte d'une inadéquation ou d'un échec des
processus internes, hommes et systèmes ou de facteurs externes.
1.2.4. L‟organisation de la banque en centres de responsabilité
La banque est découpée en centres de responsabilité afin de motiver les

responsables. C‟est cette motivation qui va en principe assurer non seulement une grande
6
François Desmicht « Pratique de l‟activité bancaire » Dounod, 2004 pg 261
12
efficacité économique mais aussi une satisfaction des individus. Avant de présenter les trois
types de centre de responsabilité, il convient d‟abord de définir ce dernier.
A- Définition du centre de responsabilité
Un centre de responsabilité nommé aussi centre budgétaire, peut être défini comme une
entité de gestion, disposant d‟une délégation managériale formelle pour négocier des
allocations de ressources, des niveaux d‟objectifs et d‟un système de pilotage de sa gestion
qui lui permettant de rendre compte de l‟utilisation des ressources et de l‟état de ses
réalisations par rapport à ses objectifs propres.
B- Les types de centres de responsabilités7 : nous pouvons distinguer trois types de

centres ;
 Les centres de coûts
La délégation porte sur le niveau de charges engagé pour la mise à disposition d‟un
produit ou d‟une prestation de service. Cette délégation peut aussi porter sur le respect d‟un
budget global de fonctionnement.
Les centres de coûts à leur tour se décomposent en trois catégories :
 Les centres opérationnels : Ils ont pour objectif de réaliser des prestations répétitives
dont le mode opératoire est formalisé. Un tel centre peut donc disposer de la liste des
opérations standards élémentaires permettant de chiffrer les besoins en ressources et
donc faciliter au système de facturation interne sa mission de valorisation des
prestations fournies. Par exemple : centre de traitement des chèques ou virements.
 Les centres de support : Ils effectuent des prestations identifiables à caractère non
répétitif dont le mode opératoire est complexe et ne peut être formalisé qu‟ « ex post »
car il relève souvent du « sur mesure ». La facturation interne se fait généralement par
le biais d‟une unité d‟œuvre. Tel que : le département de communication, de
marketing ou d‟informatique.
7
ROUACH M., NAULEAU G., « le contrôle de gestion bancaire et financier », 5 e édition, revue banque édition,
Paris, P.55.
13
 Les centres de structure : Quant aux centres de structure, ils effectuent des missions
générales et réalisent des prestations non identifiables et non récurrentes dans le but de
diffuser le soutien et la coordination aux autres entités. On peut citer à titre
d‟exemple : la direction générale, la direction du contrôle de gestion, la direction des
ressources humaines, la direction de la comptabilité ….
 Les centres de revenus : Appelés également « centres de recettes », ils ne possèdent

aucun pouvoir sur les conditions de négociation commerciale et les tarifs des produits
et services, ils peuvent agir essentiellement que sur le chiffre d‟affaire. Pour le
responsable, l‟objectif est d‟optimiser le volume de ventes sachant que les ressources
sont prédéterminées et assumées par l‟organisation.
 Les centres de profit : De leurs activités financières et commerciales les centres de

profits dégagent des marges qui contribuent à la constitution du résultat. Le pouvoir de
décision des responsables porte, non seulement sur les coûts mais aussi sur les recettes
afin d‟être en mesure de maîtriser le niveau d‟activité et la formation du résultat.
Les centres de profit dans la banque correspondent en substance aux agences, aux
succursales et aux unités commerciales.
C- Les agences et le siège
 Les agences et leurs services8
La banque peut ouvrir des agences à sa convenance, il existe plusieurs formes d‟agences9 :
 Les agences permanentes ouvertes tous les jours de la semaine sauf le weekend ;
 Les agences intermittentes, ouvertes quelques jours de la semaine ;
 Les agences itinérantes.
Les agences sont organisées en services bureaux selon des formes divers, il y a au moins
un service celui de trésorerie.
9
Francois DESMICHT « pratique de l‟activité bacaire », Dunod,Paris,2004, pg 218-222
14
 L’agence traditionnelle : comprenait l‟ensemble de guichets chargés des

opérations de collecte des dépôts et d‟octroi des crédits, des moyens de
paiements et des services complémentaires tels que : le change, location des
coffres, assurances et gestion de portefeuille.
 L‟agence moderne : elle effectue les mêmes opérations de l‟agence

traditionnelle, en plus des dépôts chèque, retrait de liquidités aux distributeurs
automatique de billets (DAB), le terminal de paiement électronique (TPE)
pour les cartes bancaires, mise en place pour le client l‟accès Internet à leurs
comptes.
 Le Siège
Certaines clientèles ne sont pas détachées dans les agences, lorsqu‟il s‟agit des grandes
entreprises, promoteurs, collectivités locales. Ils sont traités directement par le siège qui
comprend des services responsables de ces marchés. C‟est-à-dire, comprend une direction
chargée de l‟animation commerciale dont dépendent hiérarchiquement les agences.
 Les relations entre les agences et le siège
Il existe plusieurs mode de fonctionnement entre le siège et les agences, de l‟exécution

jusqu‟à la décentralisation :
1. Agence d’exécution : l‟activité de l‟agence est régie par le siège qui

décide les taux des produits et les prix des services, les arrêtés quotidiens
de caisse sont centralisés au siège.
2. Agence déconcentrée : dans ce mode de fonctionnement, le directeur de

l‟agence dispose d‟une marge de manœuvre concernant la distribution des
produits de ressources et d‟emplois.
3. Agence décentralisée : l‟agence dans ce mode de fonctionnement à des

obligations :
 de placement des produits de siège ;

 la réalisation d‟un niveau de produit net bancaire ;
 la centralisation de la trésorerie au siège, qui la lui rémunéré ;
15
 le suivi des orientations fixées par le siège en terme de structure de

bilan.
1.3. La typologie de la performance des agences bancaires
Nous concentrons dans le cadre de notre recherche sur l‟étude de la performance des
agences bancaires.
Certains auteurs jugent nécessaire d‟adosser à la performance une mesure qui l‟évalue :
un référentiel. On l‟assimilerait alors au Banchmarking, autrement dit « évaluer les résultats
atteints en les comparant aux résultats souhaités ou des résultats étalons ».
Cependant, la mesure de la performance à l‟échelle des banques permet de les

positionner dans leurs secteurs et de distinguer les plus efficientes d‟entre elles et celles
présentent les meilleures pratiques de gestion et de gouvernance, peu de travaux ont été à
l‟étude de la performance des agences bancaires malgré la pertinence du sujet.
En effet, les mesures de la performance sont nécessaires à la prise de décision au niveau

de l‟agence bancaire, qui se caractérise par un aspect multidimensionnel où elle emploie des
multiples ressources pour générer des multiples résultats. Elles constituent un outil de
communication de la stratégie au niveau des réseaux, elles permettent d‟évaluer la
performance de l‟activité commerciale des agences bancaires et permettre la comparaison
entre le niveau individuel (agence) et entre le niveau agrégé (groupe régionaux).
1.3.1. La performance opérationnelle9
L‟objectif des agences bancaires est de traduire les objectifs stratégiques de la

hiérarchie en objectifs opérationnels, grâce à une allocation optimale des ressources
permettant la maximisation de vente de produits et services produits par la banque. En effet, la
9
Aude HUBRECHT-DEVILLE, « Mesure de la performance opérationnelle et prise de décision au sien d‟un réseau de
distribution, Lille, France, 2005
16
mesure de la performance opérationnelle est axée sur la mesure des activités et des ressources
consommées en termes de volume.
Il s‟agirait alors de maximiser le volume de production pour un niveau donné de

dotation en ressources ou minimiser la quantité consommée de ressources sous la contrainte
de réalisation d‟un niveau cible de production.
Mesuré la performance opérationnelle des agences, revient à confronter le volume des

activités produites aux ressources consommées. Il s‟agit donc, d‟évaluer si les ressources en
volume sont bien utilisées pour maximiser le volume d‟activité des agences.
Etant dotées d‟un certain nombre de ressources nécessaires : des ressources humaines,
des ressources d‟exploitation, et un capital-client. L‟activité d‟une agence bancaire est
souvent influencée par l‟environnement dans lequel elle se trouve et qui se considère comme
un facteur déterminant de la performance. Ainsi, en tenant compte des caractéristiques de sa
demande et l‟intensité de la concurrence, l‟évolution de la performance d‟une agence bancaire
se fonde sur sa capacité à développer de bonnes relations avec la clientèle de proximité.
Dans notre étude, nous nous sommes référés à l‟approche utilisée par les praticiens pour
cerner la liste des ressources et des emplois qui conditionnent la production d‟une agence
bancaire.
1.3.2. La performance financière
La performance financière prend en considération les revenus des activités et les coûts
des ressources pour s‟intéresser au résultat brut d‟exploitation.
Une agence performante, est une agence qui a un coût moindre pour chaque source du
coût et une marge/commission supérieure pour chaque source du produit.
Cette approche de mesure de performance évalue les ressources consommées par leurs
coûts et les produits générés par les marges et présente l‟avantage de pouvoir, indiquer les
dimensions sur lesquels doivent se focaliser les efforts (identification des coûts à réduire et
des marges à augmenter).
L‟appréciation de la performance financière d‟une agence bancaire renvoie principalement

à deux indicateurs : le produit net bancaire et le résultat brut d‟exploitation bancaire.
17
1.3.3. La performance commerciale des agences bancaires
Les agences bancaires représentent les points de vente des banques. Leur activité
commerciale consiste: à distribuer les produits bancaires (collecte de dépôts- octroi de crédit)
issus de l‟intermédiation bancaire mais aussi des produits non bancaires issus du
«produits hors bilan » tels que : les produits d‟assurances ou les produits de la banque à
distance.
Ainsi, la mission principale d‟une agence est de répondre aux besoins et aux attentes
de la clientèle (permet la mise en place d‟une relation de confiance durable avec la clientèle)
de proximité grâce à l‟allocation optimale de ses ressources qui sont essentiellement : des
ressources humaines, des ressources d‟exploitation et un capital-client qui constitue le fonds
de commerce de l‟agence.
1.3.4. La performance globale des agences bancaires
La performance globale au niveau des agences bancaires passe beaucoup plus, à

travers une complémentarité entre la performance opérationnelle et la performance financière
et vise à réaliser le double objectif d‟allocation optimale des ressources et la maximisation de
la création de la valeur.
Etant donné que la notion de la performance ne peut se limiter au résultat financier,

de nombreux chercheurs ont ainsi tenté d‟ajouter aux indicateurs financiers classiques de la
performance des indicateurs non financiers.
Cependant, Kaplan et Norton indiquent que chaque indicateur doit être intégré dans
une chaine de relations causales qui relie les résultats stratégiques attendus à leurs indicateurs.
Cette nouvelle approche systématique de la performance ne se suffit pas de lister les

indicateurs pour contrôler la performance, mais s‟attarde à expliquer les liens de cause à effet
qui peuvent les expliquer.
Dans cette approche, les indicateurs de performance répartis sur quatre axes :
financiers, clients, processus et apprentissage provisionnel, devront traduire la stratégie de
l‟agence son contrôle et une analyse approfondie des liens qui les devra permettre au
gestionnaire de suivre l‟opérationnalisation de celle-ci.
18
Les indicateurs retenus à cet effet devront alors correspondre à des leviers d‟actions
pour les responsables de l‟agence. Il s‟en suit, alors que la comparaison de la performance
entre les agences doit tenir compte de leurs contraintes respectives.
De plus, l‟étude de l‟efficience peut aussi apporter une réponse à la question de la

performance globale. La démarche consiste alors à déterminer pour une dotation en ressources
identique et pour un environnement donné quelle est l‟agence qui présente le plus d‟efficacité
et pourra alors être un modèle à suivre en terme de bonne pratiques.
.
Section 2 : L‟efficience des banques
L‟efficience, quant à elle « maximise la quantité obtenue à partir d‟une quantité

donnée de ressources ou minimise la quantité de ressources consommées pour une production
Donnée »10 . Nous entendons alors par efficience, la mesure d‟absence de gaspillage dans
l‟emploi de ressources (humaines, techniques, financières et autres) tout en étant efficace.
2.1. Revues et littératures
Bien qu‟il n‟existe un consensus sur une définition claire de l‟efficience, plusieurs
chercheurs ont essayés de cerner les divers aspects de ce thème.
 Selon HerniTézenas du Montcel, l‟efficience « c‟est l‟obtention du meilleur

ratio possible entre les services produits (extrants) et les ressources utilisées
pour les produits (intrants) ».
On peut alors affirmer qu‟une entreprise est efficiente si celle-ci utilise le minimum de
moyens pour atteindre un résultat. Cette définition économique de l‟efficience se réfère au
ratio « outputs/inputs » de La Villarmois.
 Johnson et Scholes, définissent quant à eux, l‟efficience sous un angle qui

renvoi au revenu de l‟activité ainsi que les coûts de ressources mobilisées.
L‟efficience serait alors, « une mesure interne de la performance de
10
MALO J-L. et MATHE J-C., L‟essentiel du contrôle de gestion, Edition d‟Organisation, 2ème édition, Paris,
2000, p. 106.
19
l‟entreprise, elle est appréciée en termes du coût de production, de profit et de

productivité ».
Ainsi, l‟efficience permet d‟évaluer les résultats obtenus en tenant compte des moyens
mis en œuvre. C‟est une allocation optimale des ressources qui maximise le revenu et qui
permet de maitriser les coûts.
 Selon Bourguignon, l‟efficience est le fait de maximiser la quantité obtenue de

produits ou de services à partir d‟une quantité donnée de ressources.
Figure2 : les composantes de la performance11
Les composantes de la performance
Objectifs
Pertinence Efficacité
Efficience
Résultats
Ressources
On peut dire que le concept de la performance est un concept large qui désigne
l‟habilité à transformer des inputs en outputs selon une stratégie afin de maximiser le revenu
tout en maitrisant les différents coûts. L‟efficience permet donc, d‟apprécier les performances
ainsi que le potentiel de développement d‟une entité pour la situer à ses concurrents.
2.2. L‟efficience des agences bancaires
Certaines agences bancaires sont meilleures que d‟autres. Cela tient d‟abord, à la
qualité de leur organisation, qui leur permet de mieux gérer les ressources dont elles disposent
11
.BESCOS P.L., DOBLER P., MENDOZA C., NAULLAU G., GIRAUD F, LEVRILLE ANGER V., Contrôle de
Gestion et Management, Monchréstien, 4ème édition, Paris, 1997, p.42
20
pour améliorer leurs productivités. On dit que ces agences maitrisent mieux les divers aspects
de la production bancaires.
Cependant, la maitrise des aspects techniques de la production bancaire ne représente

pas l‟unique volet de l‟efficience. Le deuxième volet, quant à lui, fait référence à la
connaissance des prix des ressources et la tarification adéquate des outputs de l‟agence
bancaire.
 Selon Michel Diesch , la performance des établissements de crédit en termes de

coûts (efficience technique) et profit (efficience prix) se fait à travers une
comparaison de leurs performances à celle des meilleurs établissements de la
place. Mais, faudrait-il tout d‟abord, s‟assurer que ces derniers présentent déjà
des performances élevées.
 Ainsi une bonne performance doit, d‟une part, mettre en œuvre des meilleures
pratiques de la production bancaire afin d‟éviter le gaspillage de ses ressources
et maximiser sa productivité, et d‟autre part, choisir les combinaisons de
facteurs les moins coûteuses pour offrir les produits et services les plus
profitables. Ces banques seraient alors techniquement et allocativement
efficientes.
2.2.1. Efficience technique
En employant un même niveau d‟output, les agences techniquement efficientes

parviennent à produire une quantité maximale d‟outputs. Ainsi, le gap entre la quantité
produit et la quantité maximale possible traduirait l‟effort à réaliser pour parvenir à optimiser
le volume d‟output étant donné le montant d‟input alloué. On peut dire qu‟elle concerne la
capacité à éviter le gaspillage c'est-à-dire l‟habilité d‟une unité à obtenir un output avec un
niveau d‟input minimum.
D‟autre part, l‟efficience technique se décompose en efficience technique pure et

efficience d‟échelle. L‟efficience d‟échelle permet de rapporter la mesure de l‟efficience
technique aux rendements d‟échelle obtenue pour les niveaux d‟activité optimaux. Ainsi, elle
caractérise l‟écart entre les performances constatées et celles qui seraient obtenues dans une
situation d‟équilibre concurrentiel de long terme où le profil est nul c‟est-à-dire où les
rendements d‟échelles sont constants, autrement dit, lorsque l‟unité de production atteint son
21
niveau de production optimal. L‟inefficience d‟échelle proviendrait alors du fait que les
rendements d‟échelles soient croissants ou décroissants.
2.2.2. Efficience prix (l‟efficience allocative)
L‟efficience prix permet d‟identifier les agences bancaires qui arrivent à optimiser leurs
revenus étant donné les montants employées d‟inputs et les prix relatifs d‟outputs. Elle
concerne la capacité de l‟entreprise à combiner les inputs et les outputs dans les proportions
optimales, en vue de leurs prix respectifs.
L‟enjeu pour les banques serait alors d‟éviter le gaspillage des ressources en optant à la
combinaison d‟outputs qui permet de maximiser le revenu.
 Selon Dietsch , une banque qui est techniquement efficiente est une banque qui
maitrise au mieux les aspects techniques de la production bancaire et qui parvient en
conséquence à offrir le maximum de services avec un niveau de ressources donné ou
un niveau donné de services avec un minimum de ressources. L‟autre aspect de
l‟efficience qui est l‟efficience prix fait référence au coût des ressources. En effet, une
banque efficiente choisira toujours la combinaison de ressources qui présente le coût
le plus faible afin de produire une combinaison de services et produits bancaires qui
permettent de maximiser sa rentabilité.
2.2.3. Efficience globale
L‟efficience globale d‟une agence bancaire serait alors la résultante des deux types
d‟efficience. Ainsi, le concept d‟efficience met en relief non seulement la capacité productive
d‟une agence mais aussi sa capacité à maitriser ses coûts et à maximiser ses revenus.
Il est à noter, notamment, que chercheurs et praticiens se sont convenus que les unités
monétaires présentent une mesure plus pertinente pour évaluer la performance des agences
bancaires. En effet, une banque globalement efficiente serait alors une banque qui permet de
joindre efficience technique et efficience prix.
Une banque est efficiente techniquement mais inefficiente de point de vue prix. Cela veut
dire qu‟elle n‟a pas opté à la combinaison optimale d‟outputs produits et vendus, par
22
conséquent, elle sous-estime les risques de l‟environnement et ne pas une tarification

adéquate.
Section 3 : Les mesures traditionnelles de la performance
Evaluer la performance d‟une agence bancaire revient à tester sa capacité à mieux

utiliser ses ressources pour développer la vente des divers produits et services bancaires. Le
niveau d‟activité idéal d‟une agence bancaire appelle à l‟utilisation des meilleures pratiques
observées pour des ressources et une localisation donnée.
1.1. Les outils traditionnels du contrôle de gestion bancaire
Pour bien mener sa mission, le contrôleur de gestion dispose d‟un certain nombre
d‟outils lui permettant l‟évaluation et le pilotage des activités afin d‟optimiser les
performances. Les outils les plus utilisés sont principalement :
1.1.1. La gestion prévisionnelle
On entend par gestion prévisionnelle, le pilotage de l‟activité et les résultats de

l‟entreprise sur une base pluriannuelle et projective. Son rôle est de prévoir afin de s‟adapter
au changement. Pour ce faire, la gestion prévisionnelle est dotée d‟une certains nombre
d‟outils :
 Les prévisions : Etablir des prévisions en matière de contrôle de gestion, c‟est se

prononcer à partir d‟études et d‟analyses spécifiques sur l‟évolution probables de
l‟environnement et des différents facteurs affectant la gestion de l‟entreprise, avant de
prise en compte de toute démarche volontariste par les gestionnaires 12 .Les prévisions
permettent une meilleure allocation des ressources.
 Les plans : Le plan doit être conçu comme un outil de pilotage qui permet de passer d‟une
réflexion générale sur la stratégie à long terme de l‟entreprise à une formalisation des
objectifs et des plans d‟action à court terme.
 Le budget : Il se définit comme « l‟expression comptable et financière des plans d‟actions
retenus pour mettre en œuvre la stratégie à court terme ».Le budget est un moyen de gestion et
de pilotage au service des responsables de l‟organisation. Il permet outre le cadrage des
12
Michel Rouach, GerardNaulleau « Le contrôle de gestion bancaire et financier » ,3eme édition, P254
23
principaux objectifs, une meilleure allocation des ressources à la démarche stratégique et

une coordination dans l‟exécution du programme d‟actions proposé par la direction
générale.
 Le suivi budgétaire : Le suivi budgétaire a pour objectif de comparer le niveau des
réalisations aux prévisions établies, pour déterminer un pourcentage de réalisation. Il
permet de constater les écarts et d‟analyser leurs causes et origines pour prendre les
mesures correctives. De son côté, le contrôleur de gestion aura à produire des
estimations de résultat à la fin d‟année tout au long de l‟exercice. Il doit veiller
également, à ce que tout dépassement budgétaire soit traité par le responsable.
1.1.2. Le tableau de bord
Le tableau de bord se définit comme un instrument d‟action dans lequel un « ensemble

d‟indicateurs peu nombreux, sont intégrés pour permettre aux gestionnaires de prendre
connaissance de l‟état et de l‟évolution des systèmes qu‟ils pilotent et d‟identifier les
tendances qui les influencent sur un horizon cohérent avec la nature de leurs fonctions »13.
De ce fait il constitue un outil de pilotage mis à la disposition des responsables afin de

leur permettre, de façon régulière et même constante le suivi des réalisations, l‟identification
des écarts et des tendances entre le prévu, le voulu et le réalisé.
La conception d‟un bon tableau de bord doit répondre à certaines règles par son
contenu et son fonctionnement à savoir :
 Une cohérence avec l‟organisation ;

 Un contenu synoptique et agrégé ;
 Une rapidité d‟élaboration et de transmission.
1.1.3. Les indicateurs de la rentabilité 14
La rentabilité est considérée comme l'indicateur de performance le plus synthétique.

De ce fait, sa mesure constitue l'un des principaux rôles confiés au contrôle de gestion. Cette
mesure s'attache à déterminer la marge (Recettes -Coûts) dégagée par l'entité qui fait l'objet de
13
Revue « Bouquin, 2001, pp. 397-398 »
14
Françoise Giraud,Olivier Saulpic,Gérard Naulleau,Marie-Héléne Delmond et Pierre-Laurent Bescos «Contrôle de
gestion et pilotage de la performance »,Paris,2002,P86.
24
l'analyse. Il s'agit alors de reconstituer les produits et les charges qui peuvent être rattachés
aux différentes entités.
Ainsi, la démarche de calcul va se présenter de façon simplifiée, pour faire ressortir des
soldes intermédiaires de gestion qui sont détaillés comme suit 15:
 Le Produit net bancaire PNB
PNB =Produits d‟intérêt (intérêts reçus) + Commission perçues - Intérêts payés
Le PNB se présente ainsi comme la valeur ajoutée des établissements de crédit, et se

positionne comme la première marge en importance pour les banques.
Sa structure peut se présenter comme suit :
 Marge de trésorerie et de placement ;

 Marge clientèle ;
 Commissions.
 Le résultat brut d‟exploitation
RBE= PNB - Frais généraux.
Ce résultat constitue la marge dégagée sur l‟ensemble des activités bancaires après
prise en compte des frais généraux d‟exploitation. Ce solde doit permettre la couverture :
 Des amortissements issus de la politique d‟investissement de la banque ;
 Des provisions d‟exploitation pour la couverture du risque de crédit (créances non
performantes essentiellement). Ainsi, des dotations aux provisions très élevée sont
synonymes d‟une fragilité dans la qualité des engagements.
25
 Le résultat d‟exploitation :
RE = Résultat brut d‟exploitation - Dotations aux provisions - Datations aux amortissements
Il permet de mesurer la rentabilité de l‟exploitation courante de la banque après la

prise en compte des frais d‟exploitation et du coût des risques.
 Le résultat net de l‟exercice
Résultat net de l‟exercice =Résultat d‟exploitation +Produits exceptionnels et/ou sur

exercices antérieurs - charges exceptionnelles et/ou sur exercices antérieurs
Le résultat net de l‟exercice se trouve ainsi affecté positivement par :

 Les reprises des provisions ;
 Les produits exceptionnels ;
Et négativement par :
 Les pertes exceptionnelles (abandons d‟agios et de créances, créances

irrévocables…) ;
 Les ponctions des dotations aux provisions hors exploitations (dépréciation de titres
de participations…) ;
De plus la mesure de la rentabilité bancaire peut se dérouler selon plusieurs axes

d‟analyse : il peut être opportun de calculer la rentabilité par centre de profit, par produit ou
encore par client.
 L’analyse par centre de profit
Elle constitue la matrice des autres méthodes de rentabilité et permet de découper par
centre de profit, le résultat de la banque et de porter une appréciation sur les éléments
interne de compétitivité de la banque.
26
 L’analyse par produit
Cette approche vient en complémentarité de l‟analyse précédente. En effet, elle permet de

cerner les produits qui contribuent le plus au profit de la banque
L‟analyse par produit implique une connaissance des coûts de reviens de chacun des
produits et services permettant la mise en place d‟une politique de tarification de ces derniers,
et parvient à une connaissance des marges dégagées par chacun des produits et services
commercialisés par la banque. Ces marges constituent un atout pour le pilotage stratégique
vers les produits les plus rentables du portefeuille d‟activité de la banque.
 L’analyse par client ou par segment de clientèle
Le gagnant est celui qui réussit à cerner au plus juste les besoins de son marché et le
profil de ses clients16.
Cette analyse, de plus en plus demandée au contrôle de gestion, nécessite un niveau de

précision en information élevé. La banque, vu l‟importance du nombre de ses clients et la
multitude des opérations pouvant être réalisées par un seul client, doit se doter d‟un système
d‟information suffisamment souple afin de mener une étude sur la profitabilité de la relation
entretenue avec chaque client et de connaitre sa contribution à la formation du résultat de la
banque.
Sur la base de cette étude, la banque va opérer des choix sur sa clientèle, et encadrer plus
finement les termes de négociation pour en limiter les risques.
1.2. Les ratios d‟exploitations
Les ratios sont des grandeurs significatives qui permettent d‟appréhender l‟efficience
de l‟unité opérationnelle. Ils présentent un outil intéressant d‟analyse qui permet de comparer
les indices dans le temps et dégager l‟écart par rapport à l‟objectif.
L‟analyse par les rations doit respecter un certain nombre de règles pour être
pertinente :
16
Jean-Michel Errera, Christian Jimenez « Pilotage bancaire et contrôle interne », France, P38
27
 Un ratio doit être comparé à une norme afin de déterminer le taux de

réalisation des objectifs ;
 On ne peut interpréter un ratio isolement : un ratio ne peut donc
s‟interpréter que dans le cadre d‟une batterie des rations.
1.2.1. Ratios de structure
 Dépôts rémunérées/Dépôts globaux : Ce ratio permet à l‟agence la maitrise des

dépôts rémunérés, d‟éviter un déséquilibre de ses ressources qui serait due à
l‟importance des charges financières.
 Dépôts globaux/Engagements globaux : Ce ratio renseigne sur la nature de la
trésorerie locale de l‟agence et teste son degré de dépendance à l‟égard de
trésorerie centrale de la banque.
 Encours CES/Encours globaux de crédit : Ce ratio traduit le risque de crédit au
niveau de l‟agence. L‟agence est d‟autant plus performante que le pourcentage des
crédits sains est élevé.
1.2.2. Ratios de rentabilité
 Frais de gestion+(Amortissement)/PNB:Ce ratio traduit la part du BNB qui

servira à couvrir les frais de gestion au niveau de l‟agence. Traditionnellement les
frais de gestion doivent représenter au maximum 40% du PNB.
 Commissions/PNB: Ce ratio exprime le pourcentage des commissions dans le
PNB. Le contexte actuel de concurrence bancaire implique aux banques de
maximiser les revenus de commissions.
 Commissions /frais personnels: ce ratio exprime la contribution des commissions
à la couverture des frais personnels.
28
1.2.3. Ratios de productivité
 Dépôts moyens/effectifs: Ce ratio traduit l‟effort par chaque employé de

l‟agence pour la collecte des dépôts.
 Engagements moyen/employé : Ce ratio traduit les engagements par employé.
 PNB/employé: Ce ratio traduit la contribution de chaque employé dans le PNB.
1.2.4. Ratios de rendement et de cout
 Intérêts versés sur les crédits / Engagements moyens : C e ratio traduit le

rendement moyen des crédits sains.
 Intérêts versés par l’agence / Dépôts moyens globaux : Ce ratio traduit le coût
moyen des dépôts globaux, il mesure le coût moyen de ressources rémunérées de
l‟agence.
1.2.5. RAROC (Risk Adjusted Return On Capital)
Le RAROC est une mesure de la rentabilité ajustée annuelles des fonds propres
économiques, calculé sur la base nette des provisions moyennes constituées, pour couvrir le
risque normale généré par l‟activité.
Le RAROC alloue les fonds propres pour deux raisons :
 Le management des risques : le but primordial recherché est la détermination

d‟une structure optimale du capital. Ce processus entraîne l‟estimation de la
contribution de chaque unité d‟affaire au risque encouru par la banque et par
conséquent au capital de celle-ci ;
 L’évaluation de la performance : RAROC assigne le capital à une unité
d‟activité comme une étape dans le processus de la détermination de la
rentabilité ajustée au risque, en fin de compte nous arrivons à l‟Economic
Value Added (EVA) de chaque unité.
RAROC = Résultat –provisions /Fonds propres économiques
29
Conclusion
La performance acquiert de plus en plus d‟intérêt dans la mesure où elle constitue un

repère sur lequel les managers d‟une organisation se basent lors de la prise de décisions. Dans
ce chapitre, nous avons tenté de cerner la signification de la multitude de sens qu‟englobe ce
terme, ainsi l‟importance de son suivi et ses différentes mesures.
Une attention particulière a été accordée à la performance des agences bancaires, qui
présente le thème de notre mémoire. Celle-ci a été abordé sous l‟angle de l‟efficience et nous
a permis de conclure que l‟efficience des agences bancaires prend essentiellement deux
formes : une technique qui traduirait la capacité de l‟agence à produire le maximum d‟output
à partir d‟une quantité donnée d‟input et une efficience allocutive qui fait appel au coût des
ressources au niveau d‟une agence bancaire et vise à maximiser sa rentabilité.
En effet, la mesure de la rentabilité et les tableaux de bord, n‟appréhendent qu‟un aspect

partiel de la performance et présentent un sous dimensionnement du pilotage opérationnel et
une absence de déclinaison des indicateurs globaux.
30
Chapitre II : les Méthode de mesure de la
performance bancaire
Chapitre II : Les Méthodes d’évaluation de la performance bancaire
Introduction
La banque pour assure sa pérennité doit maitriser le concept de mesure de la

performance. D‟une façon générale, une agence bancaire efficiente doit maitriser alors les
aspects techniques de la production bancaire, et rationnaliser la consommation des ressources
mises à sa disposition. D‟autre part, elle doit opter pour la combinaison des services et des
produits bancaires qui permettent de maximiser sa rentabilité.
L‟idée de mesure de la performance est une notion vague et relative. En effet, sa mesure
nécessite la définition d‟un référentiel auquel on se réfère et une base de comparaison
objective.
De ce fait nous allons présenter une brève revue de littérature concernant les nouvelles
approches de mesure de la performance au niveau des agences bancaires, ainsi que les aspects
techniques de ces méthodes.
32
Section 1 : Les outils classiques de mesure de la performance

bancaire
1.1. Les méthodes d‟évaluation utilisées par les praticiens
Face aux changements consécutifs tant sur le plan réglementaire que sur le plan
environnemental, Les banques et les entreprises se sont trouvées dans l‟obligation de déployer
leurs outils de mesure de la performance, qui permettent une mesure multidimensionnelle et
une prise en compte des facteurs non contrôlables afin de mieux apprécier l‟activité de chaque
unité de décision et sa contribution réelle à la performance de l‟organisation
Nous assistons alors à l‟avènement de plusieurs outils qui permettent de répondre à ces
besoins :
1.1.1. La méthode de budgétisation à base zéro BBZ17
La technique des budgets à base zéro (noté par la suite BBZ) s'intéresse à la réduction
des frais généraux et la réallocation des ressources plus rationnelle. La base Zéro signifie que
l‟on ne tient compte d‟aucun élément du passé de la banque, il s‟agit juste de prévoir les
charges à venir et de les rapprocher aux centres de décision auxquelles elles se rapportent.
Le BBZ repose sur trois étapes :
 La décomposition de l'entreprise en activités, chacune d'entre elles étant caractérisée

par des missions primaires et secondaires ;
 La budgétisation des moyens nécessaires par chaque responsable pour ses missions ;
 Le classement (ou la hiérarchisation) par chaque responsable des missions et leur

évaluation en termes de coûts/avantages.
17
http://www.controledegestion.net/perspectives/budget-base-zero.htm
33
1.1.2. La méthode activity based costing ABC/ABM18
Les méthodes classiques de comptabilité analytique fondées sur l‟imputation des charges
indirectes s'avèrent bien mal adaptées au contexte économique actuel dû notamment à
l‟évolution de la technologie et l‟accroissement des charges indirectes.
Le principe de base de la méthode ABC est d'utiliser l'activité comme interface entre la
ressource et le produit, ce qui a pour vertu d'éviter des allocations arbitraires. En effet, son
objectif est d‟obtenir un coût précis pour permettre la prise de décision en matière de
tarification et de développement des produits. Elle permet également de mettre en lumière des
coûts des activités cachées grâce à un découpage minutieux du fonctionnement du processus.
L‟ABM (activitybased management) a comme raison d‟être, d‟enrichir la démarche ABC

en veillant à ce que les activités et le processus répondent aux exigences concurrentielles.
C‟est ainsi qu‟elle cherche à optimiser le couple coût/valeur. Une fois que la démarche ABC a
permis de comprendre la cause du coût, l‟ABM a comme vocation de piloter la stratégie de
l‟entreprise favorisant la mise en œuvre des tableaux de bord de type Balanced Scorecard.
1.1.3. Tableau de bord prospectif
Le Balanced Scorecard est, selon les auteurs Robert Kaplan et David Norton, un système
de management garantissant la clarification et la formalisation de la stratégie des
organisations en se basant sur des indicateurs financiers et non financiers. En d‟autre terme, le
Balanced Scorecard définit un cadre de conception de la stratégie afin de pouvoir la décliner
efficacement, la transformer en action. Il a comme vertu de mesurer la performance
opérationnelle tout en développant le pôle Clients qui est primordial pour assurer la pérennité
d‟une entité. Il permet aux organisations de traduire la vision et la stratégie de la compagnie
en une mise en œuvre pratique basée sur quatre perspectives : Financier, Client, Processus
18
http://www.toutpourmanager.com/dossier-338-dossier-methode-abc-%E2%80%93-elements-essentiels-
pour-comprendre-la-methode.htmls
34
internes, apprentissage et développement. La méthode propose de définir les objectifs pour

chaque axe et de suivre les indicateurs de performances qui leur sont associés.
1.1.4. Le Benchmarking
Le Benchmarking est une démarche d'étalonnage consistant à identifier les pratiques

les plus performantes pour une activité, un processus ou une fonction et à les utiliser comme
cible de progrès. Le Benchmarking ou analyse comparative est une méthode utile en la
matière puisqu'elle permet au dirigeant de comparer ses ratios opérationnels avec ceux de ses
concurrents afin de voir où il se place.
La démarche de cette technique consiste donc à :
 Déceler un établissement référentiel, présumé leader dans une activité donnée,

identifier les facteurs clés de réussite et analyser ses points forts (forces et atouts) ;
 Analyser et étudier les causes et les origines des points forts identifiés, réadapter et
inculquer les points positifs détectés, d‟une façon cohérente à l‟institution ayant
engagée l‟opération de Benchmarking.
Le benchmarking implique d'étudier la manière dont les autres organisations atteignent

leurs niveau de performance et les processus qu'elles mettent en œuvre pour y parvenir. Il
existe différents types de benchmarking :
 Le benchmarking stratégique : lorsqu'une organisation cherche à améliorer ses

performances d'ensemble en se fondant sur sa stratégie à long terme.
 Le benchmarking compétitif : Les organisations considèrent leurs
performances au regard de leurs produits et/ou services clés.
 Le benchmarking des processus : s'attache au processus mis en œuvre pour
fournir ces produits ou services.
 Le benchmarking fonctionnel : consiste à faire des comparaisons avec des
organisations opérant dans des secteurs différents dans le but d'améliorer les
processus organisationnels de la structure.
35
 Le benchmarking interne : se pratique au sein de l'organisation elle-même

dans des unités ou activités comparables. Il permet une émulation et une
stimulation permanente.
 Le benchmarking externe : suppose la comparaison avec des organisations
réputées être les meilleures dans le même secteur. Il donne le moyen à
l'entreprise de rester très réactive surtout dans un secteur où le changement est
continuel.
 Le benchmarking international : offre une possibilité de comparaison avec les
organisations d'autres pays.
Remarque : La littérature économique propose deux approches permettant de mesurer la

frontière de production : l‟approche non paramétrique (de programmation mathématique) et
l‟approche paramétrique (économétrique).
Section 2 : Les méthodes paramétriques
L'approche paramétrique de la frontière repose sur une spécification particulière de la

technologie, dont il faut estimer les paramètres. L‟efficience technique est mesurée à partir du
terme d‟erreur de la fonction de production.
L‟estimation d‟une frontière des possibilités de production (FPP) selon l‟approche

paramétrique implique un certain nombre de choix et notamment : le choix du type de la FPP,
le choix de la forme fonctionnelle de la FPP, le choix de la technique d'estimation de la FPP et
le choix de la méthode de modélisation de l'inefficience.
La fonction de production peut être généralement de type de Cobb-Douglass ou

Translog, il faut d‟abord estimer les paramètres afin de mesure l‟efficience technique à partir
du terme d‟erreur de la fonction de production.
1. 2. La fonction de production19
La fonction de production est définit comme étant l‟ensemble des réalisations possibles
pour une firme, ou toute unité de décision, la frontière de production établit une relation
19
AMBAPOUR Smauel « Estimation des frontières de production et mesure de l‟effecacité technique »-2001
36
entre inputs « Les intrants » et outputs « Les extrants ».
Selon la théorie néoclassique, les firmes atteignent leur fonction de production primale
lorsqu‟elles arrivent à maximiser le niveau d‟outputs qu‟elles produisent pour un niveau
d‟input donné, on dirait alors qu‟elles auraient atteint le niveau d‟efficience technique et
l‟unique éventuelle source d‟inefficience serait alors allocutive.
La fonction de production de la firme i produisant un seul output à partir de plusieurs

inputs, s‟écrit de la manière suivante :
Yi*= f (xi1 , xi2 ,…, xim ) / T
Yi* : représente l‟output maximal que la firme peut produire à niveau donné d‟input .
Xi et T : représentent respectivement les inputs de la firme et la technologie adoptée.
Dans la pratique, la firme n‟atteint pas la frontière de possibilité de production en raison
de son inefficience technique due à son incapacité à mettre en œuvre toutes les meilleures
pratiques de gestion qui permettent d‟utiliser au mieux les inputs et aux différents aléas
qu‟elle rencontre.
La fonction de production qui tient compte des divers facteurs peut être sous la forme
suivante20 :
Yi*= f (xi1 , xi2 ,…, xim ) exp (ui ) / T
T : représente la technologie utilisée au niveau de la firme i. En effet, celle-ci joue un rôle

crucial qui conditionne la productivité de laquelle dépend l‟efficience. La technologie utilisée
renvoi alors à l‟ensemble de processus mis en œuvre par la banque dans le cadre de la
20
Sandrine kablan « Mesure des performances des banques dans les pays en développement : le cas de l‟UEMOA » -
Workshop du 2-7 Juin 2007
37
transformation financière.
Ui : représentela combinaison des divers facteurs qui empêchent la firme de se situer sur la
*
frontière de production et d‟atteindre Yi .
EXP(Ui) : reflète quant à lui la capacité de la firme à ce trouver au niveau de production

observé Yi ( le niveau d‟efficience technique atteint).
Une mesure de l‟efficience technique sera alors le rapport entre le produit observé et le
*
produit maximal possible. En fonctionnant dans des conditions optimales la firme atteint Yi et
la valeur de Ui serait alors nulle.
On distingue principalement trois fonctions de production21 : déterministe, probabiliste et

stochastique qui permettent de mesurer l‟efficience technique à partir du terme d‟erreur de la
fonction de production.
exp (ui )=Yi*/ Yi
2.2. La technologie de production bancaire
La technologie de production peut être définie comme étant un ensemble de méthodes

spécifiques que les acteurs utilisent dans leurs combinaisons des facteurs de production
(physiques et financiers) afin de générer un ensemble des services bancaires, tels que les
services de trésorerie, des paiements, de gestion de portefeuille , de prêts …. .
L‟activité des agences bancaires est présentée à l‟aide de leur technologie de production
–distribution. En effet, la technologie au niveau des agences bancaires, repose sur un certain
nombre de ressources employées pour assurer la vente des divers services bancaire :
Sandrine kablan « Mesure des performances des banques dans les pays en développement : le cas de
21
l‟UEMOA » - Workshop du 2-7 Juin 2007
38
Figure3 : Technologie de production des agences bancaires 22
Ressources Employées Produit Vendus
 Ressources humaines
mesureés par le nombre  Encours des crédits accordés
d’employés en équivalent aux particuliers
temps plein  Encours des crédits accordés
 Ressources d’exploitation aux professionnels
mesurées par les frais  Encours de l’épargne liquide
opérationnels  Commissions sur les services
 Capital client mesuré par le de gestion des moyens de
nombre de compte courants
Si Y est l‟output observé, la technologie est définie par la fonction de production f ( ), les
propriétés de stricte concavité, de continuité, de monotonie et s‟écrit de la façon suivante :
Y = f ( x , β ) –u / avec , u ≥ 0
f ( ) : fonction linéaire
Β : vecteur des paramètres à estimer.
U : mesure l‟écart entre l‟output observé y est l‟output réalisable par la technologie efficace.
1.3. Les principales approches de la fonction de production
1.3.1. L‟approche déterministe de la frontière de production
Développée par Arifat et Richmond, cette approche consiste à utiliser l‟ensemble des
observations supposées situées sur ou sous la fonction de production primale et admet comme
hypothèse centrale que le terme d‟erreur résulte en entier de l‟efficience technique, cette
22
Aude hubrecht-devill « De nouvelles mesures de la performance financière et de la performance
opérationnelle des réseaux de distribution : le cas des agences bancaires ».
39
approche a largement été critiquée. Parmi les principales critiques adressées à l‟approche de
frontière déterministe, on peut citer :
 Elle ne différencie pas les effets dus aux bruits statistiques, et les chocs aléatoires des
effets dus à l‟inefficacité technique et qui sont sous le contrôle de l‟entreprise ;
 Cette approche est très sensible aux erreurs de mesure de la variable dépendantes.
1.3.2. L‟approche probabiliste de la frontière de production
L‟approche probabiliste a tenté quant à elle d‟améliorer la mesure de la performance

grâce à la frontière de production, en accordant une attention particulière aux observations
extrêmes qui pourraient biaiser l‟estimation pour un échantillon d‟entreprise donné.
Timmer a permis de rendre plus réaliste cette hypothèse et ce en permettant à un

pourcentage prédéterminé des observations, les plus efficaces de se situer au-dessous de la
frontière de production.
1.3.3. L‟approche par la frontière stochastique
Initiée par Aigner, Lovelle et Schmidt, Meeusen et Van Den Briker, et améliorer par
Jondrow et Al, l‟approche de la frontière stochastique avait pour objet de permettre
l‟estimation d‟indice d‟efficacité technique spécifique à chaque firme. Cette technique se
présente sous une forme fonctionnelle particulière ou le terme d‟erreur se décompose en deux
composantes 23:
 Une composante qui capte les effets de l‟inefficacité par rapport à la frontière ;
 Une composante « d‟erreur aléatoire » combinat les erreurs de mesure et les chocs
exogènes.
Yi = f ( xi ) exp (ɛi)
23
Sandrine kablan « Mesure des performances des banques dans les pays en développement : le cas de
l‟UEMOA » - Workshop du 2-7 Juin 2007 pg-17
40
Le terme d‟erreur est décomposé de la façon suivante :
ɛi = vi – ui
La composante aléatoire suit une distribution symétrique normale, alors que la

composante d‟inefficience suit une distribution asymétrique définie positivement pour une
fonction du coût et négativement pour une fonction de production. Ainsi, l‟approche
stochastique permet d‟estimer la fonction frontière en isolant l‟erreur aléatoire et la
composante d‟inefficacité spécifique à chaque firme.
L‟estimation de la frontière stochastique nécessite de prendre en considération les

hypothèses suivantes :
 Uiet Vi sont deux distributions indépendantes ;

 Le terme Vi est un terme d‟erreurs aléatoires supposé suivre une densité normale ;
 Le terme Uiqui représente le score d‟inefficience technique de la i-ème firme est une
variable aléatoire non négative pour laquelle on choisit une distribution particulière ;
 L‟hypothèse la plus courante dans la littérature est que les Ui suivent une distribution
normale centrée de moyenne nulle et de variance (σu2).
U = µ telle que : µ N (0, σµ2 )
La frontière paramétrique stochastique implique que le modèle contient un terme

aléatoire V qui soit différent pour chaque firme. Ainsi, le modèle stochastique prend en
considération les facteurs qui sont sous le contrôle du gestionnaire et les facteurs exogènes à
l‟entreprise.
V : représente les aléas qui influencent la production et qui ne sont pas sous le contrôle du
gestionnaire. L‟estimation de ce modèle peut se faire par les moindre carrés ou par le
maximum de vraisemblance si l‟on spécifié les distributions des termes d‟erreurs U et V.
Ainsi, le principal atout de la méthode SFA c‟est qu‟elle permet d‟estimer une fonction
frontière tenant compte simultanément de l‟erreur aléatoire et d‟une composante d‟inefficacité
41
spécifique à chaque entité à évaluer. On peut illustrer les principales caractéristiques du

modèle à erreurs composées à partir de la figure 4:
Figure 4 : illustration du modèle de frontière de production stochastique24
Y
 E1
V1
A1
A1
U1
B1

U2
 A2
B2

V2 E2
X
U1 : inefficience
V 1 : choc exogène favorable
U2 : inefficience
V2 : choc exogène défavorable.
Cette figure montre que l‟observation E1 représente une unité opérationnelle dont
l‟inefficacité (U1) est atténuée par les effets d‟un choc exogène favorable (V1). L‟observation
du point E1 au-delà de la frontière efficace s‟explique par l‟importance de la distance B1E1
24
Effecience des banques tunisiennes – sétude par l‟approche de Frontière stochastique
42
(le choc exogène favorable est d‟une taille assez importante) par rapport à A1B1
(inefficacité).
A l‟opposé, l‟observation E2 représente une entreprise dont l‟inefficacité (U2) est

aggravée par un choc exogène défavorable (V2).
Section 3 : Les méthodes non paramétriques
L'approche non paramétrique présente la particularité de n‟imposer aucune forme

fonctionnelle aux frontières de production. Celles-ci sont construites par la résolution des
problèmes primaux et duals de la programmation linéaire, une fois définis les inputs et les
outputs des unités de production. Une DMU est considérée efficiente dans un échantillon si
aucune autre DMU25 ne produit plus d‟outputs avec la même quantité d‟inputs.
3.1. Les modèles non paramétriques
Cette approche comprend deux méthodes les plus utilisées, qui sont une extension du
modèle de FARRELL (1957) : à savoir Free Disposal Hull (FDH) et l‟Analyse
d‟enveloppement des données(DEA).
3.1.1. La méthode free disposal Hull

FDH est un cas particulier de la DEA. Elle produit des estimations moyennes
d‟efficience plus élevées que le DEA d‟après Tulkens.
D‟après Berger et Humphry (1991), parmi les principales hypothèses de cette méthode :
 Il n‟y a pas d‟erreur de mesure dans la construction de la frontière ;

 Il n‟existe pas de hasard qui permettrait à une unité de production d‟avoir
une meilleure mesure de la performance pour une année spécifique.
Par conséquent, la présence d‟erreur pour une seul unité de la frontière peut biaiser la
mesure de l‟efficience pour toute les unités qui sont comparés à cette unité.
25
Décision Uinité Mangement
43
Enfin, il convient de préciser qu‟aucune de ces approches ne domine l‟autre, chacune a

son intérêt et elles sont dans une certaine mesure complémentaire.
3.1.2. La méthode DEA
La méthode DEA revient à estimer la frontière de production grâce à la

programmation linéaire mathématique non paramétrique. L‟analyse de frontière est en fait une
technique sophistiquée pour effectuer du benchmarking sur la performance relative des unités
de décision.
3.1.3. L‟illustration de la décomposition de l‟efficience par Farrell
Farrell considère une fonction de production à deux facteurs Y=f(X1, X2) et suppose
des rendements d‟échelle constants (constant return scale noté par la suite CRS).
L‟inefficience technique est évaluée par l‟écart à la frontière formée par les DMU de
l‟échantillon les plus performantes, tandis que l‟inefficience allocative stigmatise l‟utilisation
des inputs dans des proportions qui ne correspondent pas à l‟optimalité décrite par les prix
relatifs des inputs comme la montre la figure 5.
Figure 5: Efficience Technique Et Allocative Selon Farrell26
Sur la figure 5, l‟isoquante SS‟ représente les différentes combinaisons des facteurs
de production qu‟une DMU parfaitement efficiente au niveau technique pourra utiliser. Le
point Q définit une situation techniquement efficiente. Par contre, la DMU représentée par le
point P est inefficiente au niveau technique.
26
Source: A GUIDE TO DEAP VERSION 2.1: DATA ENVELOPMENT ANALYSYS (COMPUTER) PROGRAM
BY TIM COELLI, P5
44
Farrell a défini l‟efficience technique de la DMU P par ET = OQ /OP. Sachant que le

score d‟efficience technique ET est compris entre les deux valeurs : 0 ≤ ET ≤ 1 et que la
valeur 1 est atteinte pour une DMU parfaitement efficiente ; en effet, plus P se rapproche de
Q, plus OQ / OP est proche de l‟unité.
La droite (AA‟) représente graphiquement le rapport des prix. Ainsi, le point Q n‟est
pas allocativement efficient. Farrell a mesuré l‟efficience allocative par EA = OR / OQ avec
un score borné par les deux valeurs 0 ≤ EA ≤ 1. La situation la plus efficiente, au niveau
technique et allocatif sur un plan économique, est atteinte en Q‟, point de tangence entre
l‟isoquante et la droite d‟isocoût27.
Cependant, une DMU est considérée comme efficiente au niveau économique si et

seulement si elle est techniquement et allocativement efficiente donc elle doit utiliser les
facteurs de production dans les meilleures proportions, étant donné leurs prix relatifs.
L‟efficience économique est alors donnée, selon Farrell, par :
EE = ET * EA = (OQ / OP)*(OR / OQ) = OR / OP avec 0 ≤ EE ≤ 1
3.2. Les aspects techniques de la méthode DEA
L‟histoire de la DEA commence avec la thèse de doctorat d‟Edwardo Rhodes à

l‟Ecole des Affaires Publiques et Urbaines de l‟Université Carnegie Melon sous la direction
de W.W.Cooper.
Edwardo Rhodes évaluait le programme « Program Follow Through », un programme

d‟éducation pour les étudiants désavantagés, entrepris dans les écoles publiques américaines
avec le soutien du gouvernement fédéral, ce qui a conduit à la formulation du modèle DEA
sous la forme du ratio CCR (Charnes, Cooper et Rodhes) et à la publication du premier article
présentant l‟analyse DEA dans « European Journal Of operationsResearch en 1978 ».
27
La droite d‟isocoût est la courbe représentant les rapports de prix.
45
Le modèle CCR utilisait les techniques d‟optimisation de la programmation

mathématique pour généraliser la mesure d‟efficience technique de Farrell(1957) d‟un seul
(output ; input) au cas d‟inputs et d‟outputs multiples28.
3.2.1. Le concept de la méthode DEA
DEA est une méthodologie fondée sur la programmation linéaire, qui compare des
unités similaires dans une population donnée, en prenant en compte simultanément plusieurs
dimensions.
Chaque unité est considérée comme une unité décisionnelle qui transforme des
« inputs » en « outputs ». Les inputs sont des ressources utilisées pour créer des outputs qui
ont certaines qualités.
La méthode DEA est encore appelée „‟méthode du point extrême‟‟, elle détermine la
frontière au sommet des observations plutôt qu‟un plan de régression en leur centre.
Ceci a pour résultat une compréhension de chaque DMU individuelle au lieu de la

description d‟une DMU moyenne et l‟estimation des paramètres qui sont associées aux
approches paramétriques.29
L‟analyse DEA calcule une mesure de la performance maximale pour chaque DMU
relativement à toutes les autres DMU dans la population observée avec la seule exigence que
chaque DMU se situe sur ou en dessous de la frontière extrême.
Elle permet de construire une frontière continue par morceaux. En d‟autres termes, on
commence d‟abord par déterminer les unités de décision efficaces, ensuite on déduit à partir
de ces dernières une frontière par extrapolation linéaire ou non linéaire.
Par ailleurs les calculs DEA ne placent aucune restriction sur la forme fonctionnelle de
la relation de production reliant les inputs aux outputs.
28
Patrick-Yves Badillo et Joseph C.Paradi « La Méthode DEA -Analyse Des Performance », France, 1999, P39
29
46
3.2.2. Le fonctionnement de la DEA
La procédure de recherche est exprimée sous la forme d‟un programme mathématique.

L'analyse de l'efficience de (N) DMU nécessite alors la résolution de (N) problèmes de
programmation mathématique.
Les mesures individuelles de l'efficience sont calculées par larésolution des problèmes
primaux et duals de programmation linéaire.
La mesure de l'efficience selon l'approche DEA ne se fait pas relativement à une

Frontière des possibilités de Production, mais relativement à la surface d‟enveloppement (SE).
En utilisant les données disponibles observées, on détermine quel est le sous-groupe

d‟unités de production qui forment la frontière d'efficience. On mesure l'efficience de chaque
unité de production par la distance de celle-ci à la frontière.
Les unités de production qui ne sont pas sur la Surface d‟enveloppement sont
inefficientes30.
Le choix de la SE appropriée est dicté par des hypothèses économiques ou autres

concernant les données à analyser.
Selon Ali et Seinford (1993), la formulation d'un modèle DEA requiert les choix
suivants :
 Le type de la surface d'enveloppement (SE) : segmentée linéaire ou segmentée log-

linéaire passant par l'origine ou pas ;
 Les rendements d‟échelle : constants ou variables ;
 Le type d‟orientation : modèle orienté input (on détermine une efficience conditionnée
par l'économie sur les inputs), modèle orienté output (on détermine une efficience
conditionnée par l'optimisation des produits), ou sans orientation.
30
Daniela Borodak « Les outils d‟analyse des performances productives utilisés en économie et gestion : la
mesure de l‟efficience technique et ses déterminants »/ Cahier de recherche 5/2007
47
La mesure de l‟efficience : pour calculer le niveau d'inefficience d'une DMU

inefficiente, on la projette sur la surface d'enveloppement et le point obtenu indique son
meilleur homologue virtuel. La distance entre ces deux points est la mesure de l'inefficience.
3.2.2.1. Le ratio du modèle DEA
Un ratio d‟efficience est défini pour chaque DMU, ce ratio n‟est que le rapport entre la
somme pondérée des outputs et la somme pondéré des inputs.
Soit EK le ratio d‟efficience défini pour la DMU (K).
Ek=somme pondérée des outputs/somme pondérés des inputs
L‟objectif est de maximiser ce ratio sous certaines conditions :

 Maximiser Ek ;
 Sous la contrainte Ek<=1, pour toutes les DMU de la population considérée ;
 Toutes les pondérations sont positives31.
Aucun score d‟efficience pour aucune DMU n‟excède l‟unité, lorsque l‟on utilise les
mêmes pondérations. Le score fait apparaître chaque DMU aussi performante que possible.
Les DMU sur la frontière ont une efficacité égale à l‟unité. Les unités inefficientes ont un
score d‟efficience inférieur à 1.
Les meilleures unités pratiques définissent l‟ensemble de référence de l‟efficience, qui
est graphiquement représenté par la frontière efficiente sur la Figure 6.
31
48
Figure 6: illustration graphique de la frontière d’efficience
Figure 6 : Six exemples de (DMU) affichent des efficiences différentes. Chacune des
unités consomme un input unique (x) pour produire un seul output (y).Le modèle DEA établit
les DMU qui font partie de la surface d‟enveloppement. Par exemple, P1, P3, P5, P6. Cette
surface définit la frontière d'unités efficientes par rapport à laquelle les unités inefficientes
sont identifiées. De toute évidence, L‟unité P9 dans cet exemple est inefficiente. Elle pourrait
améliorer ses opérations soit en réduisant ses inputs ou en augmentant ses outputs32.
3.2.2.2. Les Orientations Du Modèle DEA
La méthode DEA peut être envisagée selon deux approches légèrement différentes :
une approche orientée input et une approche orientée output.
Le choix se fait en fonction de la capacité de l‟unité à modifier la dotation en facteurs

ou à augmenter les produits.
 Les modèles dits „‟orientés inputs‟‟
Dans cette approche, on s‟intéresse à l‟inefficience en termes d‟excès d‟inputs et le

programme mathématique consiste à minimiser la consommation des inputs pour un niveau
d'outputs donné.
32
Christiana V. Zenios, Stavros A. Zenios, Kostas Agathocleous, Andreas C. Soteriou “"Benchmarks of the Efficiency
of Bank Branches “Source: Interfaces, Vol. 29, No. 3 (May - Jun., 1999), pp. 37-51Published by: INFORMS
49
 Les modèles dits „‟orientés outputs‟‟
L‟efficience est analysée en termes d‟outputs c'est-à-dire une DMU est jugée
inefficiente si elle produit moins d‟output par rapport à une autre DMU produisant le même
niveau d‟output à moindre coût. Le programme mathématique consiste à maximiser les
outputs pour un niveau donné d‟inputs.
 Les mesures de la DEA radiales et directionnelles
La méthode DEA permet d‟effectuer un benchmarking individuel d‟un ensemble de

DMU appartenant au même réseau à travers une mesure radiale. Cette dernière aide à un
management individuel des DMU.
Par ailleurs, la mesure directionnel sert quant à elle à effectuer un benchmarking entre
réseaux .Elle permet d‟obtenir un diagnostic de performance agrégé pour servir à la prise de
décision au niveau centrale.
 Les types des rendements d‟échelle : variables et constants
Dans l‟hypothèse des rendements d‟échelle constants (CRS), la frontière d‟efficience

prend la forme d‟une droite et implique la possibilité de réduction ou d‟augmentation infinie
de la taille de la DMU évaluée. Cependant, dans le cas des rendements d‟échelle variables
(VRS), la frontière d‟efficience prend une forme convexe (BANKER et al. 1984), situe
l‟action dans le court terme et suppose que la DMU évaluée n‟a pas de pouvoir immédiat sur
sa taille.
Soit l‟exemple illustré dans figure 7 basé sur une technologie simplifiée, produisant un
output à partir d‟un seul input, en supposant une approche orientée inputs.
50
Figure 7: Illustration des rendements d’échelles33
La première hypothèse des rendements d‟échelles constants permet de calculer

l‟efficience technique globale (ETG) du point A, donnée par la distance entre les points C et
A.
L‟hypothèse des rendements d‟échelles variables quant à elle débouche sur l‟inefficience
technique pure (ETP) à partir des points B et A.
De ces deux hypothèses, il résulte une efficience technique due au changement

d‟échelle, qui est le rapport entre les efficiences globale et pure.
En définitive, l‟efficience technique globale (hypothèse CRS) regroupe deux

composantes, soient l‟efficience technique pure (VRS) et l‟efficience d‟échelle.
Les efficiences de la DMU (A) se calculent, selon l‟hypothèse posée, comme suit :
 Sous l‟hypothèse des REC ⇒ efficience technique globale :ETG = DC/DA

 Sous l‟hypothèse des REV ⇒ efficience technique pure ETP = DB/DA
On déduit l‟écart entre CRS et VRS qui n‟est que l‟efficience technique d‟échelle :
ETE = ETG/ ETP = DC/DB
33
Sources : Badillo&Paradi (1999), P. 108 ; ChabalqoitV& al. (2005). P5.
51
3.3. Les modèles de bases34

Ces modèles s‟appliquent à des problèmes économique et des questions de
management et fournissent des résultats utiles, ils partagent le même principe
d‟enveloppement.
On distingue quatre modèles de base qui sont :
A. Le modèle CCR (Charnes, Cooper et Rhodes) ;

B. Le modèle BCC (Banker, Cooper et Charnes) ;
C. Le modèle multiplicatif Charnes et alii [CHA 82]) ;
D. Le modèle additif (Charnes et alii [CHA 87] .
Dans cette section, nous nous limiterons à décrire les deux modèles les plus employés
dans la littérature : le modèle CCR (Charnes, Cooper et Rhodes) et le modèle BCC (Banker,
Charnes et Cooper). Dans les deux cas, nous distinguons les modèles orientés input et orientés
output.
Dans ce qui suit, nous allons discuter les deux modèles sous l‟hypothèse suivante :
On suppose qu‟il y a (N) DMU à évaluer. Chacune d‟elles consomme des montants variables
de (m) inputs différents pour produire (s) outputs différents.
Soit la DMU (j) tel que j = 1,...n consomme un nombre Xj =x (ij) d‟inputs i =1,2,….m
et produit un montant Yj =y (rj) d‟outputs r=1,2…..s.
3.3.1. Le modèle CCR (Charnes, Cooper et Rhodes )
Le modèle CCR propose une évaluation objective et globale et identifie les sources
des inefficiences. Il a pour résultat une surface d‟enveloppement linéaire par morceaux, avec
des rendements d‟échelle constants et il admet des orientations à la fois input et output. . Les
résultats des modèle CCR orientés input et output sont identiques.
34
52
 L’orientation input du CCR
Dans ce modèle, on fait les hypothèses suivantes :
 il existe une forte convexité de l‟ensemble de production ;
 la technologie est à rendements constants ;
 il existe une libre disposition des inputs et des outputs.
On considère ici, le modèle dit „‟orienté input‟‟. Suivant Coelli (1996), on dispose deK
inputs et M outputs pour chacune des N unités de décision (ou entreprises).
Donc pour chaque DMU, à déterminer les pondérations optimales en résolvant le

problème de programmation mathématique suivant35:
Avec le vecteur de la matrice d‟input et le vecteur de la matrice d‟output de la

DMU i et et sont les vecteurs de poids d‟inputs et d‟outputs respectivement.
Cela veut dire que l‟efficience de l‟ème DMU sera obtenue par le ratio entre les
outputs et les inputs, sous la condition que ce même ratio soit égal ou inférieur à 1 pour
l‟ensemble des autres unités de décision observées. Le problème avec cette forme
fractionnelle, c‟est qu‟elle est difficile à optimiser, sa résolution admet une infinité de
solutions. Elle peut néanmoins, être linéarisée si l‟on définit une contrainte selon la
quelle le programme s‟écrit alors :
35
Charnes A., Cooper W.W., Rhodes E.L. (1978), « Measuring the Efficiency of Decision Making Units», European
Journal of Operational Research, Vol 2, pp 429-444.
53
En utilisant les principes de dualité, nous pouvons réécrire le programme

primal comme suit :
 est le score d‟efficience technique ;

 , sont les matrices respectives des quantités observées d‟outputs et d‟inputs ;
 est le vecteur des quantités observées d‟outputs de la DMU dont on mesure
l‟efficience ;
 est le vecteur des quantités observées d‟inputs de la DMU dont on mesure
l‟efficience ;
 est le vecteurdes poids λj.
 Intégration des slacks d’outputs et d’inputs
L‟explication de ces deux notions se fera à travers une illustration avec des unités de
production consommant des combinaisons d'inputs(X1, X2), et produisant un seul output Y
54
Figure 8 : de l'efficience et inputs en excès36
Les DMU C et D constituent deux unités efficientes et forment la frontière. Les DMU
A et B, pour leur part, sont inefficients.
En retenant les distances de Farrell, l'efficience technique des firmes A et B est égale à
OA'/OA et OB'/OB respectivement.
Ces mesures peuvent paraître discutables dans la mesure où le point A' n'est pas
efficient puisqu'il est possible d'obtenir le même niveau d'output en diminuant la quantité de
X2 d'un montant égal à CA‟. Ce montant est appelé Slack d'Input (SI) ou input en excès.
En retenant l‟occurrence des slacks, le programme devient37 :
>0
 ε est une constante non archimédienne (infinitésimale) ; suffisamment petite pour que
la maximisation des variables d‟écarts SO et SI demeure un objectif secondaire par
rapport à la minimisation du score d‟efficience ;
 est le vecteur des outputs en déficit (Slacks d'Outputs) ;
36
Gervais Thenet « La conception de la technologie comme boite noire par le contrôle de gestion bancaire : la
mesure de la performance opérationnelle des agences par la méthode DEA (data envelopmentanalysis). P9.
37
Charnes A., Cooper W.W., Rhodes E.L. (1978), « Measuring the Efficiency of Decision Making Units», European
Journal of Operational Research, Vol 2, pp 429-444.
55
 est vecteur des inputs en excès (Slacks d'Inputs) ;
Ainsi, la DMU évaluée est techniquement efficiente si et seulement si :
 L’orientation output du CCR
De la même façon que l‟orientation input, la transformation par la programmation

fractionnelle linéaire produit le modèle CCR orienté output :
>0
: Le score d‟efficience de la DMU évaluée.
3. 3 .2. Le Modèle BCC ( Banker, Cooper et Charnes)
L‟hypothèse des rendements constants n‟est vraiment appropriée que si l‟entreprise

exerce à une échelle optimale. Ce qui n‟est pas toujours le cas à cause de plusieurs facteurs
tels que : la concurrence imparfaite, les contraintes financières, etc. Banker, Charnes et Cooper
en 1984, ont proposé un modèle qui permet de déterminer, si la production se fait dans une
zone de rendements croissants, constants, ou décroissants. Leur modèle conduit à la
décomposition de l‟efficience technique en efficience technique pure et en efficience
d‟échelle.
L‟hypothèse des rendements d‟échelle constants, conduit à la mesure de l‟efficience

totale ; l‟hypothèse de rendements d‟échelle variables conduit à celle de l‟efficience technique
pure. Ainsi, le modèle CCR peut être modifié en tenant compte de l‟hypothèse des
rendements variables à l‟échelle. Il suffit pour cela d‟ajouter la contrainte : N1 λ =1
56
 L’orientation input du modèle BCC
Le programme linéaire correspondant est le suivant :
Le programme devient38 :
>0
 L’orientation output du modèle BCC
La différence essentielle entre ce modèle et le modèle précédent BCC orienté output,

est quel programme linéaire maintenant maximise pour obtenir une augmentation
proportionnelle de l‟output.
Nous donnons son programme dual :
>0
38
57
De même, la DMU(i) est techniquement efficiente si et seulement si :
Remarque :
Une DMU est caractérisée comme efficiente dans le modèle CCR orienté input si
seulement si elle est caractérisée comme efficiente dans le modèle CCR orienté output,
cependant les relations entre les modèle BCC et CCR sont quelque peu différentes. Si une
DMU est caractérisée comme efficiente dans le modèle CCR, elle le sera aussi dans le modèle
BCC, l‟inverse n‟est pas nécessairement vrai.
58
Conclusion
La mesure de la performance des agences bancaires revêt d‟une importance majeure
pour la banque, ce qui nécessite le développement des méthodes de mesure de la performance.
En effet, ces méthodes peuvent être classées en deux groupes : les méthodes paramétriques
et les méthodes non paramétriques.
L‟approche paramétrique se distingue par une définition claire de la fonction de

production qui pourrai être de type Cobb-Douglass ou Translog et dont les paramètres sont
estimés par des techniques de régression économétriques.
A l‟opposé, les approches non paramétriques se basent sur les techniques de

programmation linéaire à l‟image de la méthode DEA et ne tient pas compte de la forme
fonctionnelle de la fonction de production.
Le choix entre ces deux approches n‟est pas toujours facile. Bosman et Frecher (1992)
recommandent de se baser sur la connaissance de la technologie du secteur étudié.
Lorsque l‟on a une idée assez nette de ce qu‟est la technologie sous-jacente,

l‟estimation économétrique des frontières de production paramétrique a un sens. Par contre,
lorsqu‟il s‟agit d‟une unité de décision dont l‟activité est la production des services, une
approche non paramétrique semble d‟avantage appropriée, du fait qu‟elle ne repose sur
aucune hypothèse explicite concernant la technologie et qu‟elle s‟applique à des activités
ayant plusieurs outputs et plusieurs inputs, ce qui permet de dire que l‟approche DEA
constitue l‟outil le plus approprié pour la mesure de la performance des agences bancaires
dans notre cas.
59
Chapitre III : Application empirique
Analyse de la performance des agences
de la CNEP-Banque
Banque
Introduction
Dans le présent chapitre, nous allons mettre en pratique les notions théoriques de la
méthode DEA précédemment développées. Nous projetons d‟appliquer cette méthode à
l‟ensemble des réseaux d‟exploitation de la CNEP-Banque, afin de déceler les inefficiences
relatives et d‟apporter les corrections nécessaires, ensuite, nous discuterons la robustesse du
modèle. Enfin, nous présenterons nos recommandations pour l‟utilisation du modèle comme
outil d‟aide à la prise de décision.
61
Banque
Section 1 : Méthodologie et présentation des données
1.1. Les spécifications du modèle DEA appliqué à un réseau d‟agences

bancaires
1.1. 1. Littérateur sur l‟application de la méthode DEA pour mesurer de la
performance des agences bancaires
L‟approche DEA a déjà été employée à de nombreuses reprises pour mesurer la

performance des agences bancaires. La première application a été réalisée par Sherman et
Gold (1985). Ils ont évalué la performance productive des agences bancaires, encore appelée
efficience opérationnelle ou efficience technique. Celle-ci a encore été mesurée par Parkan
(1987), Oral et Yolalan (1990), Vassiloglou et Giokas (1990), Giokas (1991), Tulkens (1993),
Al-AfarajnAlidi et Bu-Bshait (1993) Sherman et Ladino (1995), Athanassopoulos (1997,
1998), La Villermois (1999), Soteriou et Zenios (1999), Gervais et Thenet (2004).
D‟autres auteurs ont mesuré l‟efficience globale des agences bancaires (Schaffnit,
Rosen et Paradi, 1997 ; Thenet et Guillouzo 2002). Toutefois, ces dernières ont uniquement
considéré les ressources humaines avec un modèle d‟efficience dont l‟objectif était d‟en
minimiser le coût. Ilsoccultaient ainsi une partie des ressources utilisées par les agences
bancaires et les frais qui en découlaient (frais financiers, autres frais d‟exploitation).
Par ailleurs, peu d‟analyses ont intégré des facteurs non contrôlables dans la
procédure d‟évaluation des agences bancaires. Seul Athanassopoulos (1997) considère
l‟environnement Commercial des agences bancaires. Or, celles-ci sont les points de vente des
banques. Et, les points de vente peuvent obtenir de meilleurs résultats grâce à des conditions
de marché plus favorables ; la performance des points de vente dépend à la fois de la capacité
des gestionnaires à prendre les bonnes décisions concernant les facteurs qui se trouvent sous
leur contrôle, mais aussi de l‟influence de facteurs non contrôlables qui caractérisent les
conditions de marché.
Les études réalisées ont notamment montré que la performance des points de vente
est influencée par les caractéristiques socio-économiques de la clientèle et par le niveau de
concurrence (Ghosh et Craig 1983, 1984).
62
Banque
1.1.2. Les approche du choix d‟inputs et outputs
Sur la question du choix des inputs et des outputs bancaires, deux approches
s‟opposent pour leur détermination. L‟opposition porte sur la prise en compte des dépôts
bancaires comme inputs ou outputs.
De façon générale, le choix se fait en fonction de l‟objectif recherché, soit l‟étude de

l‟activité de l‟agence bancaire selon une approche de production ou une approche
d‟intermédiation39 :
 L‟approche de production
Dans cette approche, l‟accent est mis sur les prestations et les services fournis par la
banque à sa clientèle moyennant des commissions perçues ; soit l‟ouverture et la gestion des
comptes, la réception des fonds, l‟octroi des crédits et également des services fournis aux
autres institutions bancaires ou non bancaires ; soit l‟achat et la vente des obligations et des
bons de caisse etc.
Pour ce faire, la banque utilise des coûts en personnel et en capital physique qui sont
considérés comme étant inputs pour produit les outputs.
 L‟approche d‟intermédiation
Dans cette approche, la banque joue le rôle d‟un intermédiaire à travers la collecte des
dépôts, et leurs transformations en crédits pour satisfaire la demande d‟emprunts ou de
placements sur le marché. Les dépôts et les crédits sont considérés comme les principaux
inputs et outputs de la banque, respectivement.
Les agences de la CNEP-Banque n‟ont pas de pouvoir sur les dotations en ressources,
ces dernières sont allouées par la direction générale. De ce fait nous avons jugé plus cohérent
de retenir l‟approche de production pour l‟évaluation de la performance au niveau de la
population d‟agences étudiée, ce choix est également cohérent avec la stratégie de la banque,
qui consiste à élargir son réseau d‟agences et les inciter à privilégier la vente des produits et la
prestation des services financiers. Son objectif est de maximiser la création de valeur en
coordonnant le plus efficacement possible l‟activité des agences bancaires.
39
63
Banque
1.1.3. Présentation du modèle et des données
Les principales étapes pour la construction d‟un modèle DEA sont d‟abord, la
sélection des DMU à évaluer et le choix de modèle à appliquer, ensuite, les étapes facultatives
telle que le regroupement des agences en groupes homogènes interviennent.
1.1.3.1.La sélection des DMU et choix de modèle
Les données traitées dans notre cas pratique sont fournies par la base de données de la
direction de gestion des réseaux d‟exploitation de la CNEP-Banque. Nous avons travaillé sur
les résultats de l‟année 2013. L‟analyse porte sur les 212 agences opérationnelles de la
CNEP- banque.
Notre analyse sera effectuée selon le modèle BCC (Banker, Cooper, Charnes ; 1984) à
rendement d‟échelle variable, car il s‟agit de modèle qui correspond le plus à la réalité du
contexte étudié. Ce choix peut être aussi justifié par le fait que la taille des agences bancaires
ne peut être augmentée indéfiniment autrement dit, la capacité de production des agences est
fixe à court terme.
Notre modèle est un modèle orienté output, le but est de maximiser la production de
l‟agence pour un niveau donné d‟inputs. L‟inefficience est appréhendée au regard de
l‟insuffisance d‟outputs. Ce choix est « cohérent avec le pouvoir décisionnel des agences :
elles ne décident ni des prix des produits ni de leurs localisations ni de leurs dotations en
ressources. Par contre, elles ont comme obligation d‟optimiser le volume des ventes. »40
Il s‟explique aussi bien par les orientations stratégiques de la CNEP-Banque, son

organisation, ses réalisations et par l‟environnement dans lequel cette dernière évolue. Les
points de vente appartenant à un réseau de distribution intégré en aval ne possèdent aucun
pouvoir de décision en ce qui concerne leurs localisations et leurs dotations en ressources,
dans l‟état actuel des choses, l‟action des agences est concentrée sur l‟optimisation du volume
des ventes, la gestion des inputs étant prise en charge au niveau central.
40
HUBRECHT A., GUERRA F., « Mesure de la performance globale des agences bancaires : une application de la
méthode DEA », P. 9.
64
Banque
Notre analyse portera sur une mesure d‟efficience radiale, car nous allons évaluer
l‟efficience des agences bancaires appartenant aux 14 réseaux d‟exploitations afin de réaliser
une pratique de benchmarking et essayer de ramener les unités les moins efficientes sur la
frontière d‟efficience en réduisant jusqu‟à l‟élimination des écarts d‟inefficience.
1.1.3.2.Justification et choix des données
En se basant sur les études DEA appliquées aux agences bancaires et les données
disponibles au niveau de la CNEP-banque, nous avons choisi deux séries d‟inputs et d‟outputs
cohérentes avec les objectifs des dirigeants à identifier les agences performantes. Les inputs et
les outputs retenus sont présentés succinctement dans le tableau1 (voir annexe1).
A partir de là, nous avons développé trois modèles qui représentent la technologie de
production des agences de la CNEP- Banque (voir tableau 1).
Les inputs sont identiques dans les trois modèles, la différence réside dans les outputs.
le modèle 3 englobe les commissions et cinq produis financiers qui sont les dépôts rémunérés,
non rémunérés et les crédits, la prime d‟assurance et les transactions DAB ainsi que les frais
de personnel, que nous avons remplacé par le nombre d‟effectif moyen.
Le modèle 3 n‟est que la reproduction du modèle 1 à l‟exception de l‟output Prime

d‟assurance.
Tableau :tableau des trois modèles développés
Les variables Modèle 1 Modèle 2 Modèle 3

Commissions Prime d‟assurance Commissions
Moyenne dépôt rémunéré Transactions DAB Moyenne dépôt rémunéré

Moyenne dépôt non Nombre comptes ouverts
rémunéré DRM Moyenne dépôt non rémunéré
Nombre comptes ouverts
Total Crédits DNRM Total Crédits
Les outputs Prime d‟assurance Prime d‟assurance
Opérations DAB Opérations DAB
Frais de personnel Nombre d‟effectif moyen Nombre Effectifs moyen
Les inputs Autres frais généraux Autres frais généraux Autres frais généraux
65
Banque
1.1.4. Le problème mathématique à optimiser
Nous allons essayer d‟écrire le programme fractionnel développé par Banker, Charnes
et Cooper (1984) qui correspond à notre analyse :
Tableau :description des variables du modèle à optimiser41
Description des variables Données de l‟agence (j) Données du réseau

Frais de personnel FP(j) FP
Autres frais généraux AFG(j) AFG
Effectif moyen EM(j) EM
Commissions COM(j) COM
Encours dépôts rémunérés moyens SDRM(j) SDRM
Encours dépôts non rémunérés moyens SDNRM(j) SDNRM

Montan Crédits CRD(j) CRD
Prime d‟assurance PASS (j) PASS
Transactions DAB T.DAB(j) T.DAB
Nombre Comptes dépôts rémunéré NCDR(j) NCDR
Nombre Comptes dépôts non rémunéré NCDNR(j) NCDNR
Avec un modèle BCC orienté output, l„intention n‟est plus centrée sur la minimisation
des ressources en inputs ; l‟objectif est de maximiser la production d‟outputs tout en ne
dépassant pas les niveaux données des ressources42.
41
La description est inspirée de celle de Aude Deville,HervéLeleu « lorsque la mesure de la perfomrance
s‟envisage comme un outil d‟aide à la décision »,P14
41
Patrick-yvesBadillo,JoseohC.Paradi “La methode DEA, Analyse des performance”,P62
66
Banque
Le programme fractionnel pour l‟(j) ème agence sous le modèle 1 s‟écrit comme suit :
, >0
SO et SI sont les vecteurs des slacks d‟output et d‟input

: est le vecteur des poids.
: est le score d‟efficience technique
De ce fait, la j ème agence est techniquement efficiente si et seulement si
, >0
67
Banque
, >0
Section 2 : Classification des agences et choix de modèle
2.1. L‟analyse de la sensibilité des modèles par rapport au choix des inputs
et des outputs
Afin d‟étudier la sensibilité des modèles par rapport au choix des inputs et des outputs,
nous avons appliqué la méthode DEA sur l‟ensemble d‟agences de la CNEP-Banque à l‟aide
du logiciel DEAP2.1. Ensuite, nous avons calculé la corrélation entre les scores des trois
modèles. Le logiciel SPSS 19 nous a affiché les résultats suivants43 :
Tableau :La corrélation des trois modèles pour l’ensemble des agences
Corrélations Modèle 1 Modèle 2 Modèle 3

Modèle 1 91,40%
Corrélation de Pearson 1 58,70%
Modèle 2 Corrélation de Pearson 48,60%
58,70% 1
Modèle 3 Corrélation de Pearson 1
91,40% 48,60%
** Seuil de signification 0.01
(bilatéral).
43
Les données des agences sont annuelles et ils sont issus des états financiers 2013 de la CNEP-Banque. Nous ne
pouvons les afficher pour un souci de confidentialité.
68
Banque
Interprétation des résultats
Les scores des deux modèles 1 et 3 sont parfaitement et positivement corrélés entre
eux, ceci est expliqué par la similitude entre les outputs et les inputs des deux modèles. La
Seule différence réside dans un seul input qui est les frais de personnel pour le modèle 1
remplacé par l‟effectif moyen dans le modèle 3.
A partir de ce constat, nous pouvons conclure que les modèles sont insensibles aux
choix entre les frais de personnel et le nombre d‟effectif moyen et que l‟analyse peut être faite
en se basant sur l‟un des modèles 1 ou 3.
Toutefois, le coefficient de corrélation entre les scores des modèles 2 et 3 montre une
relation positive, estimé à 48,6%. Ce n‟est pas un coefficient très élevé mais il est
statistiquement significatif au seuil de 1%. Cela signifie que le modèle 2 apporte de
l‟information qui est différente , autrement dit, les agences performantes dans le modèle 2 ne
sont pas nécessairement performantes dans le modèle 3, ceci ne fait qu‟appuyer notre étude et
nous incite à mener un diagnostic profond sur les différences des scores entre les deux
modèles et déceler les sources d‟inefficacités des agences bancaires afin de porter les
corrections nécessaires.
2.2. Classification des agences en groupes homogènes
Le critère de l‟efficience ne peut être significatif que pour des agences utilisant les
mêmes inputs pour produire les mêmes outputs et opérant dans des environnements
homogènes, car l‟inefficience peut être attribuée à des facteurs interne et/ou externe. En plus
la nouvelle stratégie de développement de la CNEP-Banque ( une nouvelle approche
commerciale) porte sur une classification qui n‟est pas encoure mise en application, à ce titre
nous allons tenter de les classifier par environnement.
2.2.1. L‟Analyse de l‟environnement de l‟agence bancaire
Les facteurs environnementaux qui contribuent à l'efficacité d‟une agence ou son

absence sont d‟odore interne et externe44.
44
HubrechtAude,Maitre de conférences « mesure de la productivité et pratique du benchmarking :le cas d‟une groupe
bancaire français »
69
Banque
 L’environnement externe de l’agence
L'environnement externe se réfère aux facteurs externes qui déterminent la demande

placée sur l'environnement interne. Par exemple, les clients dans les zones, les besoins de la
clientèle par zone ou l‟intensité concurrentielle dans la région... .
 L’environnement interne de l’agence
L'environnement interne se réfère à l‟interne de l‟organisation de la branche à travers

l‟utilisation de ses ressources, les pratiques managériales, les compétences du personnel.
En effet, la performance des agences bancaires dépend à la fois de la capacité des

managers à prendre les bonnes décisions concernant les facteurs qui se trouvent sous leur
contrôle, mais aussi de l‟influence des facteurs qui caractérisent les conditions de marché tel
que le niveau de l‟intensité concurrentielle dans la région où l‟agence bancaires est installée
où les caractéristiques socio-économiques de la clientèle. D‟ailleurs, certaines agences
bancaires obtiennent de meilleurs résultats grâce aux conditions de marché plus favorables et
non par leur capacité à prendre les bonnes décisions où à fournir les efforts suffisants45.
A cet effet, certains chercheurs46ont utilisé la technique de séparation des frontières

pour intégrer l‟influence des caractéristiques de l‟environnement commercial de proximité
dans l‟évaluation des agences bancaires.
Dans notre cas, nous avons défini trois critères décrivant l‟environnement externe de
l‟agence bancaire 47 , après, nous avons procédé à la classification des agences en groupes
homogènes en termes de ces critères (voir annexe 2). Ces derniers sont :
 L’intensité concurrentielle : représentée par le nombre d‟agences bancaires existant

dans chaque wilaya.
 Le critère socio démographique : reflété par le nombre de population habitant dans
chaque wilaya.
45
Sefaihi Chahrazed « La mesure de l‟efficience des agences bancaires : Application de la méthode DEA », p73
46
Athanassopoulos(1998) a employé la technique de séparation des frontières pour analyser la performance des
agences bancaires. Il a réparti les agences dans des classes d‟environnement homogènes à l‟aide d‟une analyse en
composante principale
47
Apurés de l‟officie nationale des statistique (ONS)
70
Banque
 Le critère socioéconomique : représenté par le nombre de personnes morales activant

dans chaque wilaya.
Ensuite, nous avons étudié la corrélation entre ces trois critères par le logiciel SPSS 19.
Le tableau suivant résume les résultats obtenus (voir annexe 3) :
Tableau :La corrélation des trois critères décrivant l’environnement externe
Corrélation Population Personnes morale Nmb d‟agences bancaires

Population 1 0.833 0.868
Personnes morales 0.833 1 0.978
Nmb d‟agences 0.868 0.978 1
La corrélation entre les trois critères est positive et très proche de l‟unité, cela signifie
que les trois critères varient dans le même sens et expriment la même information, de ce fait ,
nous pouvons nous limiter à un seul critère pour classer les agences en groupes homogènes
par exemple nous choisissons le nombre d‟agence par wilaya comme critère de référence.
La classification hiérarchique par le logiciel SPSS.19.0 (voir annexe 4) des wilayas selon
le critère de référence choisi a permis d‟identifier trois types d‟environnements
homogènes (voir annexe 5) que nous présentons dans le tableau suivant :
Tableau :Tableau des groupes d’environnement homogènes
Environnement Caractéristique
E1 Il s‟agit des wilayas caractérisées par une intensité concurrentielle très
faible.
E2 Il s‟agit des wilayas caractérisées par une intensité concurrentielle
moyenne et une activité bancaire considéré comme relativement importante
et en développement continu.
E3 Il s‟agit des wilayas caractérisées par une forte intensité concurrentielle et
une activité bancaire et économique développées.
Ensuite, nous avons procédé à la répartition des agences de la CNEP-Banque par

environnement, il en résulte les pourcentages suivants :
71
Banque
2.2.2. Répartition des agences de la CNEP-Banque sur les groupes d‟environnement
Tableau :Répartition des agences CNEP-Banque par environnement
Environnement NBR par Pourcentage d‟agences par

environnement environnement
E1 26 12%
E2 156 74%
E3 30 14%
Nous constatons que la majorité des agences bancaires opèrent dans l‟environnement
3, or l‟analyse DEA fonctionne bien quand le nombre d‟agences dépasse au minimum le
double de produit des inputs et des outputs, et avec un environnement de 26 et 30 agences
cela serait possible.
Section 3 : Application de la méthode DEA sur les agences de la

CNEP-Banque
3.1. Application du modèle DEA sur chaque groupe d‟agence

homogène
Nous allons donc appliquer les deux derniers modèles DEA sous des rendements
d‟échelle variables, séparément sur les trois groupes d‟environnements, afin d‟identifier les
agences efficientes et inefficientes techniquement ainsi que leurs pourcentages dans chaque
groupe.
Ensuite, nous allons appliquer le modèle à rendement d‟échelle constant, pour

identifier les agences effecientes et ineffecientes globalement ainsi, les inefficiences
d‟échelle. Par la suit nous allons procéder à un diagnostic des agences de cheque type
d‟environnement.
3.1.1. Application de l‟approche DEA sur les agences de l‟environnement E1
Après avoir traité les informations relatives aux agences de groupe d‟environnement
E1, nous avons obtenu les scores d‟efficience à l‟aide du logiciel DEAP2.1.
72
Banque
Le tableau suivant affiche les scores des deux modèles 2 et 3
Tableau :les résultats d’analyse des agences de l’environnement E1
Modèle 2 Modèle 3
Agence CRS VRS Scale Scale[1] CRS VRS Scale
A1 0,705 1 0,705 Drs 0,932 1 0,932
A2 0,146 0,159 0,919 Irs 1 1 1
A3 0,218 0,24 0,909 drs 0,807 1 0,807
A4 1 1 1 - 1 1 1
A5 0,722 0,8 0,902 Irs 0,824 0,871 0,946
A6 0,391 0,396 0,988 Irs 0,727 0,733 0,992
A7 0,206 0,206 0,997 Drs 1 1 1
A8 0,426 0,466 0,915 Irs 0,756 0,763 0,991
A9 0,55 0,592 0,929 Irs 1 1 1
A10 1 1 1 - 0,612 0,816 0,75
A11 0,835 0,973 0,859 Drs 0,547 0,582 0,94
A12 0,813 0,815 0,997 Drs 1 1 1
A13 0,652 0,847 0,77 Irs 0,979 1 0,979
A14 0,77 0,806 0,956 Irs 1 1 1
A15 1 1 1 - 0,431 1 0,431
A16 0,301 0,321 0,94 Irs 0,411 0,512 0,803
A17 1 1 1 - 1 1 1
A18 0,432 0,542 0,796 Drs 0,673 0,678 0,993
A19 1 1 1 - 1 1 1
A20 0,659 0,97 0,679 Irs 0,705 1 0,705
A21 0,428 0,556 0,769 Drs 0,461 0,483 0,953
A22 0,619 0,692 0,894 Drs 1 1 1
A23 3 0,409 0,557 0,735 Irs 0,691 0,933 0,74
A24 1 1 1 - 0,747 1 0,747
A25 0,217 0,406 0,534 Drs 0,685 0,686 0,999
A26 0,376 0,386 0,975 Irs 0,759 1 0,759
Moyenne 0,611 0,682 0,891 0,798 0,887 0,903
La deuxième colonne du tableau représente le coefficient d‟efficience technique globale

selon le modèle à rendement d‟échelle constant (CRS), la troisième représente le coefficient
73
Banque
d‟efficience technique selon le modèle à rendement d‟échelle variable (VRS), la quatrième

représente l‟efficience d‟échelle (scale) qui est égale au rapport des deux coefficients, quant à
la dernière colonne du tableau représente le rendement d‟échelle de chaque agence.
Tableau :Pourcentage des agences de l’environnement E1 efficientes et inefficientes dans chaque

modèle
Les agences Modèle 2 Modèle 3

Efficientes (Technique) 27% 62%
Inefficientes (Technique) 73% 38%
Total 100% 100%
Seulement 27% de l‟ensemble des agences du groupe d‟environnement E1sont

réputées être techniquement efficientes sous le modèle 2, c‟est-à-dire elles ne font preuve
d‟aucun manque à gagner et donc toutes les variables représentant les outputs en excès sont
nulles. Ce sont ces dernières qui constituent la frontière d‟efficience pour ce premier groupe,
appelées aussi les Peers ou les benchmarks. Par ailleurs, ce pourcentage est légèrement élevé
pour le modèle 3 et dépassant la moitié des agences du groupe E1.
Les scores moyens sont de 0 ,682 et 0,887 pour les modèles 2 et 3 respectivement,
des moyennes qui sont considérées comme relativement élevées.
16 agences bancaires ont été identiquement classées dont 6 agences du groupe E1 sont
efficientes techniquement dans les deux dimensions. Cependant les 10 agences restantes sont
considérées comme efficientes par l‟un des modèles et inefficientes par l‟autre modèle. Par
contre les autres 10 agences affichent une inefficience sur les deux dimensions.
Nous donnons l‟exemple de l‟agence A7 qui est efficiente sur la deuxième dimension,
or son score est de seulement 0,206 sur la première dimension, ce qui signifie que cette
agence fonctionne bien dans la distribution des crédits, la collecte de dépôt avec de gros
montants en dégageant des COM relativement élevés. Cependant l‟agence A2 montre une
mauvaise performance dans la vente et l‟attractivité de nouveaux clients (un score de 0,159).
Cette différence entre les scores ne fait qu‟appuyer notre analyse et confirmer la faible
corrélation des deux modèles qui signifie que, les agences performantes sur une dimension ne
sont pas nécessairement performantes sur la deuxième dimension.
74
Banque
Nous pouvons voir aussi des branches montrant une haute efficacité sur les deux
dimensions, particulierement les agences A1, A4, A15, A9, A17, A19 et A24 qui ont un score
égal à l‟unité sur les deux dimensions, ceci rend le modèle plus approprié pour l‟émulation
par d‟autres agences.
De la même façon, nous avons traité les données relatives à cette catégorie d‟agences
et les résultats du programme sont résumés dans le tableau (voir annexe 6).

modèle

Efficientes 13% 27%
Inefficientes 87% 83%
Total 100% 100%
Seulement 13% des agences de groupe E2 sont efficientes dans le modèle 2, par ailleurs, ce
pourcentage est légèrement augmenté pour le modèle 3, soit, un pourcentage de 17%.
Nous constatons également des faibles scores d‟efficience pour la plupart des agences
inefficientes.
Les scores moyens sont de 0,596 et 0,590 pour les modèles 2 et 3 respectivement, des
moyennes qui sont considérées comme relativement faibles.
Globalement, la majorité des agences de l‟environnement E2 présentent une mauvaise

performance malgré qu‟il contient le nombre le plus élève des agences.

De la même façon que précédemment, nous avons traité les données relatives à cette
catégorie d‟agences et les résultats du programme sont affichés dans le tableau (voir annexe
7).
75
Banque

modèle

Efficientes 37% 50%
Inefficientes 63% 50%
Total 100% 100%
Le dernier groupe comprend 15 agences efficientes sous le modèle 3soit 50% et un

score d‟efficience moyen proche de l‟unité,estimé à 0,816 contre seulement 0,756 pour le
modèle 2.
19 agences du groupe E3 ont été identiquement classées dont 8 agences sont

efficientes sur les deux modèles. Cette différence est expliquée par le faite que certaines
agences présentent une bonne performance financière en termes de rentabilité et
d‟intermédiation financière, et une mauvaise performance dans la vente et l‟attractivité de
nouveaux clients, à ce titre, nous donnerons l‟exemple des agences A11 et A30.
Les 11 agences restantes sont réputées inefficientes sur les deux modèles. Par
opposition, les agences A2, A37, A10, A20 et A21 affichent des scores d‟efficiences égales à
l‟unité sur les deux dimensions simultanément, ces agences font office de benchmarks pour
les agences inefficientes.
3.2. Evaluation de l‟impact des économies d‟échelle
Le score VRS (rendement d‟échelle variable) exprime l‟efficience technique pure de

chaque agence, par contre, le score CRS (rendement d‟échelle constant) exprime l‟efficience
globale qui est composé de l‟efficience technique pure et de l‟efficience d‟échelle.
Cette dernière est donc calculée par le rapport entre le score d‟efficience sous un
modèle CRS et le score d‟efficience sous le modèle VRS.
A partir de ce ratio, nous allons identifier les inefficiences d‟échelle dues à un

rendement d‟échelle croissant ou décroissant pour chaque agence.
76
Banque
Nous présentons dans un premier temps l‟analyse de l‟efficience globale pour chaque
groupe d‟agence, ensuite, nous passerons à l‟analyse des inefficiences d‟échelle des agences
de groupe E1, E2 et E3.
3.2.1. L‟efficience globale et les inefficiences d‟échelle des groupes des agences
A. L‟efficience globale
D‟après les résultats retenus par l‟application de la méthode DEA on retient :
Tableau :Pourcentage des agences de l’environnement E1 efficientes et inefficientes(globale) dans

chaque modèle

Efficience Globale 27% 35%
Inefficience Globale 73% 67%
Total 100% 100%
Les scores d‟efficience globale sont faibles par rapport aux scores d‟efficience
technique pour le modèle 3, cependant, seulement 9 agences de groupe E1 parmi les 16
agences efficientes techniquement sont réputées efficientes globalement, de plus, ces
agences sont installées dans un environnement caractérisé par une intensité concurrentiel
très faibles, ce qui confirme l‟hypothèse de l‟influence des facteurs externes sur la
performance globale de l‟agence.

chaque modèle

Total 100% 100%
Le second groupe d‟agence présente des scores d‟efficience globale très faibles
comparativement aux scores d‟efficience technique des deux modèles, tandis que ces
agences opèrent dans un environnement en développement continu.
77
Banque

chaque modèle

Total 100% 100%
Le dernier groupe qui représente l‟environnement le plus développé enregistre des

scores d‟efficience globale identique à ceux d‟efficience technique de modèle 3, ce qui
permet de dire que ces agences bénéficient des avantages de l‟environnement dans lequel elles
se situées.
B. Les inefficiences d‟échelle des groupes d‟agences
 Les inefficiences d‟échelle des agences de groupe E148
Le modèle 2 : Si nous retenons le modèle VRS, 7 agences seront considérées

comme étant relativement efficientes, alors que sous le modèle CCR à rendement d‟échelle
constant, ce chiffre se réduit à 6, en effet, l‟agence A1 affiche une inefficience d‟échelle due
au rendement d‟échelle décroissant. Pour les 19 agences restantes, nous avons constaté une
inefficience technique due aux doubles inefficiences d‟échelle à rendement d‟échelle variable
et constant.
En ce qui concerne le modèle 3 : le nombre d‟agence efficiente sous BCC est de 16, en
relâchant l‟hypothèse de REV ( rendement d‟échelle variable), ce chiffre se réduit à 9. Soit
une différence de 7 agences du groupe E1 (A1, A3, A15, A20, A24 et A26) affichant une
inefficience d‟échelle due au rendement d‟échelle croissant ou décroissant. Quant aux 10
agences restantes, elles montrent une inefficience due aux doubles inefficiences à rendement
d‟échelle variable et constant.
Nous pouvons voir qu‟en moyenne, l‟inefficience d‟échelle domine l‟inefficience

technique pure dans les deux modèles : 89,1% contre 68,2% pour le modèle 2 et 90,3% contre
88,7% pour le modèle 3.
48
Voir le tableau 7 affichant les scores des deux modèles sous rendement d‟échelle variable et constant
78
Banque
 Les inefficiences d‟échelle des agences de groupe E249
Le modèle 2 : Parmi les 27 agences efficientes sous le modèle BBC, seulement 12

agences du groupe E2 (A33, A81, A77, A196, A106…) affichent une inefficience d‟échelle
due au rendement d‟échelle décroissant. Les 129 agences restantes affichent une inefficience
technique due aux doubles inefficiences d‟échelle, à rendement d‟échelle variable et constant.
Pour le modèle 3 : 10 agences parmi 21affichent une inefficience d‟échelle (A2, A34,
A39, A58 …).
 Les inefficiences d‟échelle des agences de groupe E350 :
Le modèle 2 : Parmi les 12 agences considérées comme étant relativement

efficientes sous le modèle BBC, sept agences du groupe E3 (A4, A8, A16, A23et A26)
affichent une inefficience d‟échelle due au rendement d‟échelle décroissant ou croissant. Les
18 agences restantes affichent une inefficience technique due aux doubles inefficiences
d‟échelle, à rendement d‟échelle variable et constant.
Pour le modèle 3 : nous remarquons que les agences du groupe E3 n‟affichent aucune
inefficience d‟échelle.
3.3. Diagnostic d‟une agence bancaire de groupe E1, E2 et d‟une

agence de groupe E3
Dans un premier temps, nous allons mener un diagnostic profond d‟une agence de
l‟environnement E1, ensuite nous passerons à l‟analyse d‟une agence E2 et E3.
3.3.1. Diagnostic de l‟agence de l‟environnement E1 (A11)
Dans ce qui suit, nous allons concentrer notre analyse sur l‟agence de l‟environnement
E1(A11) marquée comme inefficiente par le modèle 2 et le modèle 3.
D‟abord, nous allons analyser cette agence en faisant appel à des ratios d‟activités,
ensuite, nous allons essayer d‟être plus précis sur les inputs consommés et les outputs produits
49
Voir annexe 6 le tableau affichant les scores des deux modèles sous rendement d‟échelle variable et constant (groupe
E2)
50
Voir annexe 7 le tableau affichant les scores des deux modèles sous rendement d‟échelle variable et constant (groupe
E3)
79
Banque
à la lumière des résultats de notre approche DEA, tout en expliquant l‟origine de l‟inefficience
de cette agence.
Enfin, nous allons présenter une solution palliative à cette situation à l‟aide de la
méthode DEA qui permet d‟identifier les agences benchmarks pour cette agence, à défaut
d‟une agence réelle, l‟approche permet également de définir une agence virtuelle qui n‟est que
la combinaison d‟un ensemble d‟agences efficientes.
Nous présentons ces ratios d‟activités sous la forme d‟un tableau, nous avons fait
également quelques statistiques afin de faciliter la comparaison :
Tableau :les ratios d’activité de l’ agences A11 de groupe E1
Unité monétaire : MDA

Indicateur A11 Moyenne Max Min
PNB 25,16 18,4 135,65 -73,7
COMM 5,841 8,61 83,35 0,69
Frais de personnel 19,74 20,42 36,02 1,79
Frais généraux 5,47 6,9 31,77 2,63
Effectif moyen 27 16 41 7
Solde Dépôt rémunéré 460,95 2906 9467 178
Solde Dépôt non rémunéré moyen 141,58 215 1465 0.91
Total Crédit 809,9 1383,3 6875,087 0,23
PNB% 5,26% 3,85% 28,35% -15,41%
Classement selon PNB 7
L‟agence A11 est considérée comme rentable au sein de la CNEP-Banque et classée 7

éme agence en termes de PNB dans l‟environnement E1 malgré la faiblesse de son activité,
soit en terme de collecte des dépôts ou bien en terme des crédits octroyés, ce dernier dépasse
le PNB d‟une agence moyenne. Ainsi que les frais du personnel et les frais généraux
n‟attiennent même pas la consommation moyenne des agences de même groupe.
Globalemet, cette agence est considérée comme performante au sein de la CNEP-

Banque et classée parmi les 7 premières agences dans l‟environnement E1, or l‟analyse DEA
marque cette agence comme inefficiente. Ceci montre encore les limites des outils
traditionnels.
80
Banque
Tableau :le score d’efficience et inefficience de l’agence A11
Les scores d‟efficience de l'agence A11

Efficience technique 0,582
Efficience d'échelle 0,94 Décroissant
Nous allons continuer notre diagnostic à la lumière des résultats du modèle DEA sous
des rendements d‟échelle variables :
Tableau :Les résultats d’analyse de l’agence A11 de modèle 3 sous des rendements d’échelle
variable
Unité monétaire : MDA pour les indicateurs de volume
valeur mouvement valeur des valeurs

Variable d'origine radial slacks projetées
COM 5.842 4.201 0.000 10.043
Prime d‟Assurance 1.229 0.883 1.725 3.837
Dépôt rémunéré moyen 460.956 331.459 1028.795 1821.209
Dépôt non rémunéré moyen 141.588 101.812 0.000 243.400
Crédit 809.900 582.374 207.683 1599.957
Transactions DAB 0.018 0.013 0.000 0.031
Frais de personnel 27.010 0.000 -6.584 20.426
Autres frais généraux 5.479 0.000 0.000 5.479
la liste des benchmarks 9 7 17 26
poids des benchmarks 0.043 0.073 0.626 0.258
Commentaires des résultats
L‟agence A11est une agence opérante dans un environnement faiblement développé (un
marché limité), ceci explique d‟une part la faiblesse de ses commissions, en effet elle est
composé essentiellement de marge d‟intermédiation à travers les crédits octroyés à une
catégorie de clientèle restreinte qui n‟effectuent pas des opérations de crédits aux entreprises
qui rapportent des commissions élevées. Cette agence affiche un score d‟efficience
technique de 58,2% sous le modèle BCC, soit une inefficience estimée à 41.8%, cette
inefficience est due à un rendement d‟échelle décroissant expliqué par une surconsommation
des inputs, qui est estimé par un surplus de 7 employés, un manque à gagner de 1028,795
MDA pour le les dépôts rémunérés, 1,725MD pour les primes d‟assurances et 207,683 MDA
81
Banque
pour les crédits. Afin d‟y faire face, l‟effectif peut apporter un effort supplémentaire pour
évoluer l‟activité sans procéder à un nouveau recrutement.
Aussi pour faire face à l‟insuffisance due à la faible activité d‟octroi de crédit, l‟agence
A11 doit procéder à l‟encouragement de certains produits rentables à court terme et ayant
pour caractéristique un taux d‟intérêt élevé tel que le crédit à la consommation accordé à la
clientèle, sans toutefois négliger la prestation de service. Cette dernière procure des revenus
stables insensibles aux variations des taux d‟intérêt sur le marché et contribue aussi à
l‟augmentation du PNB.
Par ailleurs, cette agence souffre d‟une inefficience technique à laquelle elle doit faire
face en augmentant ses produits (Commissions, Primes d‟assurance, Dépôts rémunérés,
Dépôts non rémunérés, Crédits, transactions DAB) avec les quantités suivantes (4.201;0.883 ;
331.459; 101.812; 582.374; 0.013) tout en gardant le même niveau d‟input.
Ainsi, l‟agence A11 doit s‟inspirer des pratiques managériales exercées au niveau des
agences efficientes identifiées comme benchmarks par la méthode DEA.
Tableau :les benchmarks désignés par DEA pour l’agence A11
L‟agence A11
la liste des benchmarks 9 7 26
poids des benchmarks 0.043 0.073 0.258
Les valeurs projetées (voir annexes 13) permettent la prise de décision par les
responsables en termes de fixation de nouveaux objectifs pour l‟exercice suivant et
l‟allocation des budgets.
3.3.2. Diagnostic de l‟agence A3 de groupe d‟environnement E2
Nous allons exposer les résultats de l‟agence A3 qui fait partie de deuxième groupe,
caractérisé par une activité bancaire et économique relativement importante.
82
Banque
Avant de passer à l‟interprétation des résultats de la méthode DEA, il serait judicieux

de se pencher sur les ratios de productivité de cette agence qui sont présentés dans le tableau
suivant :
Tableau :les indicateurs d’activité partiels de l’agence A3
Indicateur A3 moyenne Max Min

PNB 29,26 475 4233 -175
compte ouvert 50894 22534 98342 104
COMM 6,52 8,26 60,19 0,84
Dépôt rémunéré moyen 1435,8 2865,59 20766,99 0,95
Dépôt non rémunéré moyen 11,33 317,81 13723,37 0,45
Crédit 478,8 1170 7086,89 2,12
Prime d‟assurance 2,94 4,75 42,81 1,01
Transactions DAB 1512 2233 14770 23
PNB% 0,90% 0,64% 15,52% -6,02%
Frais de personnel 27,66 22 41 10
Autres frais 8,2 7,14 42 1,1
L‟agence A3 affiche un PNB qui est très faible par rapport à une agence moyenne du
groupe E2, ce qui lui apporte une contribution au PNB seulement de 0,9%, or sa
consommation en frais de personnel et autres frais dépasse celle d‟une agence moyenne.
Le volume d‟activité de l‟agence A3 est également faible, en effet les montants de ses
dépôts et ses crédits n‟atteignent même pas la moitié de ceux d‟une agence moyenne.
Cette agence, au sein de la CNEP-Banque, fait partie du groupe des agences à

Rentabilité considérée comme étant faible malgré qu‟elle opère dans un environnement
considéré développé. Afin de remédier à cette situation, nous allons discuter les résultats
affichés par le modèle DEA et nous allons tenter de trouver des solutions.
83
Banque
Tableau : Les résultats d’analyse de l’agence A3 de modèle 2 et 3 sous des rendements d’échelle
variables
valeur mouvement valeur des valeur

Variable d'origine radial slacks projetée
Nombre compte Dépôt rémunéré 4.337 3.827 0.683 8.847
Nombre compte Dépôt non rémunéré 0.271 0.239 0.520 1.031
Frais de personnel 33.147 0.000 -1.314 31.833
Autres frais généraux 9.940 0.000 0.000 9.940

COM 2.363 1.206 14.161 17.730
Crédit 4.708 2.404 644.618 651.729
Effectif moyen 6.010 0.000 0.000 6.010
Autres frais généraux 9.940 0.000 -1.834 8.105
L‟agence A3 affiche un score d‟efficience technique de 62,2% sous le modèle 2 et

de 53,1% sous le modèle 3. L‟inefficience est expliquée par un manque à gagner de 288.846
MDA pour les dépôts rémunérés et de 2.700 MD pour les dépôts non rémunérés. Ce manque
peut-être pallié par une compagne d‟attractivité de nouveaux clients estimés à 0,683, soit 683
clients par le modèle 2.
D‟autre part, le manque à gagner des COM qui est estimé à 14.161MDA peut être
compensé par une attraction des nouveaux clients, tel que la suscription aux contrats
d‟assurances, estimé à 320 contras comme l‟affiche le modèle 2. Ainsi une surconsommation
84
Banque
est affichée des frais de personnel sous le modèle 3 et frais généraux sous le modèle 2, à
laquelle l‟agence A3 doit faire face.
Les deux modèles sont complémentaires, en effet le modèle 2 a permis de mieux

cerner les sources d‟inefficience affichées par le modèle 1.
3.3.3. Diagnostic de l‟agence A8 de groupe d‟environnement E3
Nous allons exposer les résultats de l‟agence A3 qui fait partie du troisième groupe
caractérisé par une activité bancaire et économique développée.
Tableau :les indicateurs d’activité partiels de l’agence A8
Indicateur A8 Moyenne Max Min

PNB 3,42 475,03 4233,74 -175,96
compte ouvert 1787 27706 77663 2615
COMM 2,35 18,44 180,46 0,49
Dépôt rémunéré moyen 1279,41 2455,46 9930,77 267,42
Dépôt non rémunéré moyen 34,87 214,87 907,71 4,05
Crédit 1005,31 1765,83 9164,83 110,16
Prime d‟assurance 0,11 5,92 104237 215
Transactions DAB 1517 1612 104,27 23
PNB% 0,02% 3,33% 29,70% -1,11%
Frais de personnel 19,51 2237 40,91 9,53
Frais généraux 6,44 19,72 91,58 4,06
Effectif moyen 17 16 34 6
L‟agence A8 de groupe E3 affiche un PNB qui est très faible par rapport à une
agence moyenne, avec une contribution très faible de 0,02%, ainsi que sa consommation en
frais de personnel et frais généraux ne dépasse pas celle d‟une agence moyenne.
Le volume d‟activité de l‟agence A8 est également faible, en effet les montants de ses
dépôts rémunérés et non rémunérés ne dépassent pas ceux d‟une agence moyenne.
Cette agence, au sein de la CNEP-Banque, fait partie du groupe des agences à faible
Rentabilité, aussi l‟analyse DEA marque cette agence comme inefficiente.
85
Banque
Tableau :le score d’efficience et inefficience de l’agence A8
Les scores d‟efficience de l'agence A8 sous le modèle 3

Efficience technique 0,92
Efficience d'échelle 0,798 Décroissant
Nous allons continuer notre diagnostic à la lumière des résultats du modèle DEA sous
des rendements d‟échelle variables.
Tableau :Les résultats d’analyse de l’agence A8 du modèle 3

COM 4.486 0.387 2.351 7.224

Crédit 707.121 61.074 1046.093 1814.288
Effectif moyen 20.010 0.000 -7.105 12.905
Autres frais généraux 10.093 0.000 -0.229 9.864
la liste des benchmarks 4 24
poids des benchmarks 0.300 0.700
L‟agence A8 affiche un score d‟efficience technique de 92% sous le modèle BCC, soit
une inefficience d‟échelle estimée à 8%. Cette inefficience est due à un rendement d‟échelle
décroissant expliqué par une surconsommation des inputs, qui est estimé par un surplus de 7
employés, un manque à gagner de 594.154MDA pour le les dépôts rémunérés, 218.969MD
pour les dépôts non rémunérés et 1046.093MDA pour les crédits.
Par ailleurs, cette agence souffre d‟une inefficience technique à laquelle elle doit faire
face en augmentant ses produits (COM, Prime d‟assurance, Dépôt rémunéré, Dépôt non
rémunéré, Crédits) avec les quantités suivantes (0.387; 0.885; 375.127; 2.343; 61.074) tout en
gardant le même niveau d‟input.
86
Banque
Globalement, nous pouvons voir que l‟inefficience de certaines agences est causée
essentiellement par un manque à gagner de certains outputs, avec une surconsommation des
inputs.
L‟approche DEA ne produit pas des résultats contradictoires aux ratios d‟activités, ils
sont plutôt complémentaires et apportent plus de précision.
3.4. La contribution des agences efficientes (inefficientes) aux

activités du groupe
Dans cette optique, nous allons évaluer les pourcentages de contribution des agences
efficientes (inefficientes) pour les agences des groupes d‟environnementE1, E2 et les agences
de groupe E3 au volume d‟activités exprimé en valeurs monétaire. De ce fait, nous avons opté
pour le modèle 3 puisque il contient cette information.
3.4.1. La contribution des agences de groupe E1
Le tableau suivant présenter les résultats de pourcentage d‟efficience des agences du

groupe E1 en termes de ressources consommées et produits générés :
Tableau : la contribution des agences de groupe E1 efficientes (inefficientes)
Total Frais de Autres

Input/Output PNB SDR SDNR Crédit personnel charges
Total agences efficientes 525,32 54456,2 4306,37 29739,7 291,81 119,36
% agences efficientes 109,81% 72,07% 76,70% 82,69% 54,91% 66,50%
Total agences inefficientes -46,11 21106,09 1308,2 6226,3 239,45 60,12
% agences inefficientes -9,81% 27,93% 23,30% 17,31% 45,09% 33,50%
Nous pouvons constater la forte contribution des agences de groupe E1, efficiences au
volume des outputs qui atteint les 82,69% pour les crédits et la totalité pour le PNB car les
agences inefficientes dégagent un PNB négatif, cela est avec un nombre d‟agences qui
s‟élève à 16 agences efficientes soit 62% des agences du groupe E1.
Nous constatons également la consommation efficiente des frais de personnel et des

frais généraux par ces agences. Par opposition, les agences inefficientes présentent une
87
Banque
surconsommation des frais de personnel et des frais généraux, et contribuent négativement à

la productivité du groupe E1.
3.4.2. Le groupe des agences de groupe E2
Le tableau suivant résume les résultats de pourcentage d‟efficience des agences du

groupe E2 en termes de ressources consommées et produits générés
Tableau :la contribution des agences de groupe E2 (inefficientes)

Total agences inefficientes 2973,77 373884,64 44216,34 159822,94 2679,68 920,65
% agences inefficientes 91,53% 82,91% 82,63% 87,56% 82,91% 87,56%
Seulement 21 agences de groupe E2 parmi 156 agences sont efficientes, soit un

pourcentage de 27%. Ces dernières participent faiblement au volume d‟activité, soit
seulement de 12,44% au volume des crédits et de 10,82% pour le PNB avec une
consommation raisonnable des inputs.
Cependant, les agences inefficientes représentent la majorité de groupe E2 soient 64%

de total des agences, elles présentent 91,53% des crédits et 82,91% des dépôts rémunérés.
3.4.3. Le groupe des agences du groupe E3
Le tableau suivant résume les résultats de pourcentage d‟efficience des agences du

groupe E3 en termes de ressources consommées et produits générés :
88
Banque
Tableau :la contribution des agences de groupe E3 (inefficientes

Total agences inefficientes 7994,71 29173 3028,62 21516,08 325,62 186,19
% agences inefficientes 56,10% 39,60% 46,98% 40,61% 48,36% 31,46%
Dans ce groupe, le nombre des agences efficientes est de 15 agences soit un

pourcentage de 50% des agences du groupe E3. Ces dernières participent avec un pourcentage
de 59,39% en moyenne au volume des crédits, 43,90% au volume de PNB et une
surconsommation des frais généraux et frais du personnel.
Cependant, les agences inefficientes contribuent aussi à la productivité du groupe E3

avec une part importante de 56,10% au PNB et une faible contribution au volume des dépôts
de 46,98%, 40,98% respectivement pour les dépôts rémunérés et non rémunérés.
3.5. Robustesse du modèle
Afin de valider la robustesse du modèle DEA appliqué dans notre étude, nous avons
procédé de la même façon que La VILLARMOIS(1999), pour ce faire, nous avons testé la
convergence des scores d‟efficience51 calculés avec les indicateurs d‟activités les plus utilisés
par le contrôle de gestion.
51
VILLARMOIS(1999) dans son étude « l‟évaluation de la performance des réseaux bancaires : la méthode
DEA »
89
Banque
Nous avons obtenus les scores de corrélations à l‟aide du logiciel SPSS.19 qui sont
présentés dans le tableau :
Tableau :coefficients de corrélation entre le score d'efficacité et divers indicateurs
Corrélations
Score
d'efficience PNB/Client ENG/Employé
Score d'efficience Corrélation de Pearson 1 15,10% 15,30%
PNB/Client Corrélation de Pearson 15,10% 1 -3%
ENG/Employé Corrélation de Pearson 15,30% -3% 1
* La corrélation est significative au niveau 0.05 (bilatéral).
** La corrélation est significative au niveau 0.01 (bilatéral).
Conformément aux attentes, une corrélation positive existe entre le score et les divers
indicateurs. Elle est significative mais relativement faible du fait que le score d‟efficience est
un indicateur synthétique qui représente la performance globale, alors que les autres
indicateurs sont partiels et ils ne présentent qu‟une facette de la performance. Cette relation
nous permet de dire que le modèle DEA se veut complémentaire à ces indicateurs partiels voir
même substituable.
90
Banque
Conclusion
Au terme de ce chapitre, nous arrivons à classer l‟ensemble des agences dans trois
groupes d‟environnements différents selon l‟intensité concurrentielle, ainsi nous arrivons à
faire une évaluation de chaque groupe grâce aux coefficients d‟efficience individuels dégagés
par la méthode DEA. De là, découle la possibilité d‟identifier les agences de référances qui
constituent la frontière d‟efficience et par rapport auxquelles sont comparées les autres
agences souffrant d‟une inefficience technique.
De ce fait, notre étude effectuée sur les 212 agences de la CNEP-Banque, que nous
avons classifié en introduisant les critères de l‟environnement, ce qui a généré trois groupes
d‟agences différents selon l‟intensité concurrentielle. Ensuite, nous avons développé deux
modèles DEA cohérents avec les objectifs de la banque afin d‟évaluer les activités des
agences bancaires de façon aussi complète que possible. Le premier modèle renvoie au
volume d‟activité généré par l‟agence bancaire soient le chiffre d‟affaire, l‟encours des crédits
et l‟encours des dépôts. Quant au deuxième modèle, il exprime l‟attractivité de la clientèle par
agence et le volume d‟activité en termes d‟opérations disponibles dans le système
d‟information de la banque.
L‟application de l‟approche a permis l‟identification de 62% d‟agences de groupe E1

techniquement efficientes sur le modèle 3 avec seulement 27% sur le modèle 2, contre 35%
d‟agences qui sont réputées globalement efficientes sous le modèle 3, ce qui confirme
l‟hypothèse de l‟influence des critères de l‟environnement sur la performance globale de
l‟agence car ses agneces opérent dans un envirronnement considéré faiblement développé.
Pour le groupe d‟agences E2 qui représente un environnement considéré développé

avec le nombre le plus important d‟agences, il présente les plus faibles scores d‟efficience sur
les deux démontions, soit seulement 13% et 27% d‟agences efficientes, ainsi ces pourcentages
ont diminués pour les scores de l‟efficience globale soit, 7% et 10% respectivement.
En ce qui concerne les agences du groupe E3 qui se caractérise par une forte intensité
concurrentiel, on a trouvé que la moitié d‟agences présente une bonne performance en terme
de productivité et d‟intermédiation financière (modèle 3), contre 63% agences inefficientes
sous le modèle 2 (une mauvaise attractivité des nouveaux clients). Ce pourcentage est resté le
91
Banque
même pour la performance globale sous le modèle 3 ce qui permet de dire que ce groupe
d‟agences à bénéficié des avantages de l‟environnement.
Cette différence de score entre les groupes peut être expliquée par le fait que les
agences du groupe E3 opèrent avec tous les segments de la clientèle, ce qui augmente à la fois
son volume d‟activité et le nombre de clients et de transactions , cependant les agences du
groupe E1 et E2 qui travaillent avec les particuliers et les professionnelles, et avec un nombre
restreint d‟entreprises, ce qui lui confère une performance basée sur le volume d‟activité et
non pas sur le nombre de clients ou de transactions.
De même, cette analyse favorise une pratique de benchmarking, en effet les agences
(A4, A17 et A19) ont fait office de benchmarks pour le groupe d‟environnement E1 dans les
deux dimensions soit techniquement et globalement, (A10, A66, A82 et A148) pour le groupe
d‟environnement E2 et (A2, A10, A20, A21…) pour l‟environnement E3.
Enfin, nous avons essayé de démontrer la complémentarité du modèle DEA qui a fait
l‟objet de notre étude avec les indicateurs traditionnels généralement utilisés par la CNEP-
Banque en se référant aux travaux réalisés par Olivier DE LA VILARMOIS qui a démontré la
relation positive entre le coefficient d‟efficience et les indicateurs d‟activité partiels employés
par la banque, nous avons trouvé une relation positive entre le score d‟efficience et les
indicateurs de productivité partielle, et nous aurons de ce fait répondu aux questions
principales préalablement posées.
92
Conclusion générale
Nous avons intégré dans une procédure d‟évaluation de la performance des agences
l‟organisation interne du réseau bancaire, ainsi que le déploiement stratégique en proposant
une procédure opérationnelle qui s‟appuie sur la technique du DEA. La mesure de la
performance ainsi que le développement d‟indicateurs de performance pertinents sont décisifs
pour améliorer la prise de décision des managers-dirigeants et par conséquent pour le système
de pilotage.
Etant donné que l‟efficience représente l‟un des facteurs qui peut expliquer la
performance globale de l‟unité de production bancaire, il serait opportun d‟intégrer au tableau
de bord traditionnel de chaque agence un nouvel indicateur caractérisé par le fait qu‟il soit une
mesure synthétique et compréhensive de l‟efficience. Il s‟agit du coefficient d‟efficience qui
peut être obtenu grâce à la méthodologie d‟analyse par enveloppement des données (DEA).
Cependant le score d‟inefficience technique individuelle indique l‟effort supplémentaire

réalisable en termes d‟augmentation du volume des ventes, étant donné la dotation en
ressources et la localisation des points de vente.
Par ailleurs, la procédure d‟évaluation de la performance par une approche DEA

constitue un cadre motivant pour le gestionnaire du point de vente, dans le sens où les progrès
potentiels indiqués par le score sont établis par comparaison avec d‟autres points de vente
faisant face aux mêmes conditions de marché. À chaque point de vente techniquement
inefficient sont associés des benchmarks confrontés aux mêmes difficultés ou facilités
commerciales.
Du point de vue du directeur de l‟agence, nous soulignons que les résultat obtenus
permettent à chaque agence de se positionner par rapport aux meilleures pratiques observées
étant donné les contraintes d‟environnement et la dotation en ressources décidées par la
direction générale. La performance obtenue par les meilleures pratiques pourra être employée
comme valeur cible à atteindre, chaque directeur d‟agence peut évaluer l‟effort qui lui reste à
fournir pour atteindre la cible.
93
La prise en considération des critères de l‟environnement dans notre population des

agences de la CNEP-Banque confirme l‟hypothèse d‟Athanassopoulos (1997) qu‟ indique
que la mesure de la performance des agences bancaires est influencée par les caractéristique
socioéconomique de la clientèle et par le niveau de la concurrence de l‟environnement dans
lequel opère l‟agence de sort que plus de 50% des agences du groupe d‟environnement E3
(l‟environnement le plus développé ) sont réputées efficientes sur les deux démentions, contre
seulement 27% pour le groupe d‟environnement le moins développé, ce qu‟il confirme
l‟hypothèse d‟Athanassopoulos.
En clôture de cette étude, nous pouvons esquisser quelques recommandations à la

CNEP-Banque qui découle de notre étude sur la performance ;
 Les agences bancaires du réseau de la CNEP-Banque sont appelées à réduire le poids

de leurs charges d‟exploitation qui influencent négativement l‟efficience en dépit d‟un
niveau d‟outputs élevé.
 Enrichir le système de mesure de la performance en rajoutant aux tableaux de bord

par agence le coefficient d‟efficience calculé par la méthode DEA qui représente un
indicateur synthétique par rapport aux autres ratios de productivité qui ne reflètent
qu‟une facette de la performance totale ;
 Développer la comptabilité analytique ainsi que le système d‟information de la

banque.
94
Bibliographie
Les Ouvrages
Aude HUBRECHT.D « Mesure de la performance opérationnelle et prise de décision au sien

d‟un réseau de distribution, Lille, France, 2005.
BESCOS P.L., DOBLER P., MENDOZA C., NAULLAU G., GIRAUD F, LEVRILLE
ANGER V, « Contrôle de Gestion et Management », 4ème édition, Paris, 1997.
François .D « Pratique de l‟activité bancaire » Dounod, Paris 2004.
Françoise .G, Olivier .S, Gérard.N, Marie-H et Pierre-L. Be «Contrôle de gestion et pilotage
de la performance », Paris, 2002.
Errera.J-M, Jimenez. C « Pilotage bancaire et contrôle interne », France.
MALO J-L, MATHE J-C, « L‟essentiel du contrôle de gestion, Edition d‟Organisation »,

2ème édition, Paris,2000.
ROUACH.M NAULLEAU.G « le contrôle de gestion bancaire et financier » troisième

édition ; Paris, 2000.
ROUACH M. NAULEAU G « le contrôle de gestion bancaire et financier », 5e édition, revue

banque édition, Paris.
Errera.J.M, Jimenez .C « Pilotage bancaire et contrôle interne », France.
LORINO P. « Méthodes et pratiques de la performance », Edition d‟organisation, Paris1998.
LORINO P. « Méthodes et pratiques de la performance », Edition d‟organisation, Paris 2000.
Articles, Revues et notes pédagogiques :
Agathocleous .K.Christiana V. Zenios, Stavros A. Zenios, , Andreas C. Soteriou,

“Benchmarks of the Efficiency of Bank Branches” .Publié par INFORMS.juin 1999.
Bannour .B. et Labidi .M. Efficience des banquescommerciales Tunisiennes: etudepar

l‟approche de frontièrestochastiquePANOECONOMICUS, 2013,
Borodak .D. « Les outils d‟analyse des performances productives utilisés en économie et
gestion : la mesure de l‟efficience technique et ses déterminants »2007
Charnes A., Cooper W.W., Rhodes E.L.), « Measuring the Efficiency of Decision Making
Units», European Journal of Operational Research, 1978
Cavaignac.V « Les principaux apports de la méthode DEA à la gestion simultanée des coûts,
de la qualité et des délais : résultats issus d‟une simulation ».
COELLI.T.J; Centre for Efficiency and Productivity Analysis (CEPA) Working Paper, A
Guide to DEAP Version 2.1, Data Envelopment Analysis (computer) Program, N°.8/96.
Deville, A. Leleu, H. « Lorsque mesurer la performance s‟envisage comme un outil d‟aide à

la décision : le cas de la performance des agences bancaires » Lille Economie & Management.
Université Catholique de Lille.2008.
DEVILLE.A, LELEU.H, « Mesures de performance opérationnelle et prise de décision au

sein des réseaux de distribution bancaire : l‟outil au service du manager ».
Doumpos.M.C.Strantza,X.Damaskos, ,C.Zouponidis , “A Multicriteria Methodology for

Developing aPerformance Measurement Model for Bank Branches. An International
Journal.2003.
Hervé Leleu .D.,« lorsque la mesure de la perfomrance s‟envisage comme un outil d‟aide à la
décision »,
Hubrecht.D. « mesure de la productivité et pratique du benchmarking : le cas d‟une groupe

bancaire français »France.
HUBRECHT.A.« De nouvelles mesures de la performance financière et de performance

opérationnelledes réseaux de distribution : le cas des agences bancaires ». France
Hervé Leleu .D.,« lorsque la mesure de la perfomrance s‟envisage comme un outil d‟aide à la
décision »,
Hubrecht.D. « mesure de la productivité et pratique du benchmarking : le cas d‟une groupe

bancaire français »France.
HUBRECHT.A.« De nouvelles mesures de la performance financière et de performance

opérationnelledes réseaux de distribution : le cas des agences bancaires ».France
HUBRECHT A., LEG-FARGO « Mesure de la performanceglobale des agences bancaires : une

application de la méthode DEA », Université de Bourgogne, MCF 30 mars 2011
Gervais Thenet « La conception de la technologie comme boite noire par le contrôle de
gestion bancaire : la mesure de la performance opérationnelle des agences par la méthode
DEA (data envelopmentanalysis) »
Giokas .D.M. Vassiloglou “A Study of the Relative Efficiency of Bank Branches: An

Application of Data Envelopment Analysis”
Golany .B. and J. E. Storbeck“Comparative efficiency analysis of Portuguese bank branches”

“A Data Envelopment Analysis of the Operational Efficiency of Bank Branches “
GUERRA F., CREER, FUCaM, HUBRECHT A., LEG-FARGO, « Mesure de la performance

globale des agences bancaires, une application de la méthode DEA », Université de
Bourgogne, MCF.
Kablan .S. « Mesure de la performance des banques dans les pays en developpement : le cas
de l‟UEMOA (Union Economique ET Monetaire Ouest Africaine) » France. Juin 2007
Reynèset .Y.F.,Tamsamani.Y. « Substituabilité des facteurs et rendements d‟échelle sectoriels

en
France : une estimation par une fonction de coût flexible » décembre 2009.
Sefaihi. C. « La mesure de l‟efficience des agences bancaires : Application de la méthode

DEA »,
Stavros A et Christiana V. Zenios,. Zenios, Kostas Agathocleous, Andreas C. Soteriou

"Benchmarks of the Efficiency of Bank Branches “ Publier par : INFORMS juin 199
TAKTAK,S « Gouvernance et efficience des banques tunisiennes : étude par l‟approche de

frontière stochastique » Tunis 2010
Thenet .G. « La conception de la technologie comme boite noire par le contrôle de gestion
bancaire : la mesure de la performance opérationnelle des agences par la méthode
TIM COELLI “A GUIDE TO DEAP VERSION 2.1: DATA ENVELOPMENT ANALYSYS (COMPUTER)
PROGRAM
TOUHAMI.A et SOLHI.S, « Efficience et Productivité des Banques Commerciales

Marocaines: Approche non Paramétrique » Novembre 2008.
Patrick-Yves Badillo et Joseph C.Paradi « La Méthode DEA -Analyse Des Performance »,

France, 1999
Yildizoglu .M, « Translog ou Cobb-Douglas Le rôle des durées d‟utilisation des facteurs »
,Marseille 22 avril 2009
Les Sites
http://www.blog.saeeed.com/2009/10/le-controle-de-gestion-apparition-et-evolution/
La revue comptable et financière N 69 Ete 2005
http://www.controledegestion.net/perspectives/budget-base-zero.htm
http://www.toutpourmanager.com/dossier-338-dossier-methode-abc-%E2%80%93-elements-
essentiels-pour-comprendre-la-methode.htmls
http://mangement.canalblog.com/archives/2009/09/17/15101176.html
http://www.toutpourmanager.com/dossier-338-dossier-methode-abc-%E2%80%93-elements-
essentiels-pour-comprendre-la-methode.htmls
Liste des figures
Figure1 : La performance (Source Bouquin, 2004) ................................................................ 8
Figure2 : les composantes de la performance ........................................................................ 20
Figure3 : Technologie de production des agences bancaires ............................................... 39
Figure 4 : illustration du modèle de frontière de production stochastique .......................... 42
Figure 5: Efficience Technique Et Allocative Selon Farrell ................................................ 44
Figure 6: illustration graphique de la frontière d’efficience ................................................ 49
Figure 7: Illustration des rendements d’échelles ................................................................... 51
Figure 8 : de l'efficience et inputs en excès ........................................................................... 55

Liste des tables
Tableau :tableau des trois modèles développés .................................................................................................... 65
Tableau :description des variables du modèle à optimiser ................................................................................... 66
Tableau :La corrélation des trois modèles pour l’ensemble des agences ............................................................. 68
Tableau :La corrélation des trois critères décrivant l’environnement externe ..................................................... 71
Tableau :Tableau des groupes d’environnement homogènes ............................................................................... 71
Tableau :Répartition des agences CNEP-Banque par environnement ................................................................. 72
Tableau :les résultats d’analyse des agences de l’environnement E1 .................................................................. 73
Tableau :Pourcentage des agences de l’environnement E1 efficientes et inefficientes dans chaque modèle ....... 74
Tableau :Pourcentage des agences de l’environnement E1 efficientes et inefficientes(globale) dans chaque
modèle ................................................................................................................................................................... 77
modèle ................................................................................................................................................................... 77
modèle ................................................................................................................................................................... 78
Tableau :les ratios d’activité de l’ agences A11 de groupe E1 ............................................................................. 80
Tableau :le score d’efficience et inefficience de l’agence A11 ............................................................................. 81
Tableau :Les résultats d’analyse de l’agence A11 de modèle 3 sous des rendements d’échelle variable ............ 81
Tableau :les benchmarks désignés par DEA pour l’agence A11 .......................................................................... 82
Tableau :les indicateurs d’activité partiels de l’agence A3 .................................................................................. 83
Tableau : Les résultats d’analyse de l’agence A3 de modèle 2 et 3 sous des rendements d’échelle variables ..... 84
Tableau :les indicateurs d’activité partiels de l’agence A8 .................................................................................. 85
Tableau :le score d’efficience et inefficience de l’agence A8 ............................................................................... 86
Tableau :Les résultats d’analyse de l’agence A8 du modèle 3 ............................................................................. 86
Tableau : la contribution des agences de groupe E1 efficientes (inefficientes) .................................................... 87
Tableau :la contribution des agences de groupe E2 (inefficientes) ...................................................................... 88
Tableau :la contribution des agences de groupe E3 (inefficientes ....................................................................... 89
Tableau :coefficients de corrélation entre le score d'efficacité et divers indicateurs ........................................... 90
Liste des Anexes
Annexe 1. Tableau du choix des variables et justification de leurs choix ...................................

Annexe 2. Tableau des cratères décrivant l’environnement .....................................................
Annexe 3. Tableau de corrélation entre les cratères de l’environnement ...............................
Annexe 4. L’arbre hiérarchique de classification des environnements .......................................
Annexe 5. Tableau de classification des willayas par environnement ........................................
Annexe 6. Tableau : les résultats d’analyse des agences de l’environnement E2 .......................
Annexe 7. Tableau : les résultats d’analyse des agences de l’environnement E3 .......................
Annexe 8. Résultat de DEA sur l’agence A11 du groupe l’environnement E1 (modèle3) ..........
Annexe 9. Résultat de DEA sur l’agence A3 du groupe l’environnement E2 (modèle3) ............
Annexe 10. Résultat de DEA sur l’agence A3 du groupe l’environnement E2 (modèle2) ..........
Annexe 11. Résultat de DEA sur l’agence A8 du groupe l’environnement E3(modèle3) ...........
Annexe 12. Les slacks d’inputs et d’outputs pour les agences du groupe E1 sous le modèle 2 ..
Annexe 13 .Les valeurs projetées d’inputs et d’outputs pour les agences du groupe E1 sous le
modèle 2 .......................................................................................................................................
Annexe14. Les benchmarks des agences du groupe E1 inefficiences et leurs poids sous le
modèle 2 .......................................................................................................................................
Annexe 16. Les valeurs projetées d’inputs et d’outputs pour les agences du groupe E1 sous le
modèle 3 .......................................................................................................................................
Annexe 17. Les benchmarks des agences du groupe E1 inefficiences et leurs poids sous le
modèle 3 .......................................................................................................................................
Annexe 19.Les valeurs projetées d’inputs et d’outputs pour les agences du groupe E 3 sous le
modèle 2 .......................................................................................................................................
Annexe 20.Les slacks d’inputs et d’outputs pour les agences du groupe E3 sous le modèle 2
................................................................................................................................................ 126
Annexe 21.Les slacks d’inputs et d’outputs pour les agences du groupe E3 sous le modèle 3 ...
Annexe 22.Les valeurs projetées d’inputs et d’outputs pour les agences du groupe E 3 sous le
modèle 3 .......................................................................................................................................
Annexe 23.Les benchmarks des agences du groupe E3 inefficiences et leurs poids sous le
modèle 3 .......................................................................................................................................
ANNEXES
Annexe 1. Tableau du choix des variables et justification de leurs choix
La nature
de la La variable La Justification du choix La documentation
variable
"Benchmarks of the
Efficiency of Bank
Le personnel est identifié comme étant la
Branches” Christiana V.
principale ressource des banques en
Zenios, Stavros A. Zenios,
termes de ses effets sur la production et
Frais de Kostas Agathocleous,
ses coûts estimés à environ 70% de leurs
personnel ou Andreas C. Soteriou
dépenses
nombre
d‟effectif (FP ; “Best practice analysis of
NEM) bank branches: An
Cet input peut être mesuré en unité
application of DEA in a
monétaire (frais de personnel) ou en
large Canadian bank”
Input
valeur (nombre d‟effectif)

Claire Schaffnit *, Dan
Rosen, Joseph C. Paradi
Une variété de fournitures (papeterie, “A Study of the Relative

impression...etc.).Elle est également liée Efficiency of Bank
AutresFrais au niveau de la production, mesurée en Branches: An Application
d‟exploitations unité monétaire. of Data Envelopment
(FE) Analysis”
Les amortissements ne sont pas pris en M. Vassiloglou and D.
considération car ils présentent un Giokas
élément perturbateur pour l‟étude.
C‟est le chiffre d‟affaire de la banque.

“Comparative efficiency
Il est composé d‟une marge
analysis of Portuguese
Commissions d‟intermédiation qui constitue la majeure
bank branches”
Output
(COMS) partie du PNB et des commissions qui

Maria Conceicao A. Silva
exprime la partie de profit insensible aux
Portela a,, Emmanuel
variations des
Thanassoulis
taux d‟intérêt.
“Comparative efficiency
Les dépôts sont des indicateurs de
analysis of Portuguese
volume représentant l‟objectif de la
bank branches”
branche.
Encours dépôt Maria Conceic¸a˜o A. Silva

Nous avons choisi une approche
rémunéré et Portela a,*, Emmanuel
production et donc les dépôts sont
non rémunéré Thanassoulis
considérés comme output.
moyens
(DRM ; “A Data Envelopment
Le choix est cohérent avec l‟objectif de
DNRM) Analysis of the
la direction qui est l‟évaluation de la
Operational Efficiency of
productivité des agences bancaires et
Bank Branches “
non pas leur capacité à transformer des
B. Golany and J. E.
dépôts en crédits
Storbeck”
Total crédits
"A Data Envelopment
aux
Cet output mesure aussi le volume Analysis of the
particuliers-
d‟activité de l‟agence et il reflète sa Operational Efficiency of
aux
mission principale qui est la Bank Branches “
promoteurs et
transformation des dépôts en crédits.
aux entreprises
B. Golany and J. E.
CPRT-
Storbeck”
CPRO-CENT
“Best practice analysis of
Nombre et
Il reflète l‟activité de l‟agence en valeur bank branches:
montant des
et non pas en volume tel que les dépôts An application of DEA in
intérêts
et les crédits a large Canadian bank”
provenant des
Claire Schaffnit *, Dan
transactions :
Les transactions sont les principaux Rosen, Joseph C. Paradi
services que les banquiers fournissent à “A Study of the Relative
Transaction
vleurs clients. Efficiency of Bank
DAB
Branches: An Application
Dans notre cas pratique, nous avons été of Data Envelopment
limités par la disponibilité des données Analysis”
sur cet output, en effet nous avons pris M. Vassiloglou and D.
en considération que les transactions Giokas
effectuées sur les distributeurs Patrick-
automatiques de billets (DAB). yvesBadillo,JoseohC.Paradi
“La method DEA,
Analyse des
performance”
“De nouvelles mesures de
Cet output est destiné à refléter les
Prime la performance financière
principaux objectifs de la banque soit
d‟assurance et de la performance
l‟augmentation de la clientèle et la vente
PASS opér”
des services offerts par la banque
Hervé LELEU- CNRS-LEM
A Data Envelopment
Production
Analysis of the
compte
Il permet de mesurer la fidélité de la Operational Efficiency
ouvert
clientèle en terme des comptes of Bank Branches “
(PCO)
dépôts rémunérés et non rémunérés.
(CDRM,
B. Golany and J. E.
CDNRM)
Storbeck”
Annexe 2. Tableau des cratères décrivant l’environnement
Les wilayas NBR d'agence par Wilaya Population Personne morale

Adrar 12 448 226 833
Chlef 27 1 092 908 3 146
Laghouat 15 592 722 997
Oum-El-Bouaghi 22 714 961 3 117
Batna 33 1 217 942 2 966
Bejaia 53 978 837 5 668
Biskra 19 800 348 1 327
Béchar 12 300 427 912
Blida 45 1 126 410 5 916
Bouira 22 774 880 2 040
Tamanrasset 5 206 370 364
Tébessa 17 703 793 2 073
Tlemcen 47 1 014 991 2 641
Tiaret 22 958 926 1 314
Tizi -Ouzou 51 1 203 173 6 780
Alger 300 3 286 772 56 055
Djelfa 14 1 266 480 1 478
Jijel 23 679 833 1 327
Sétif 58 1 761 051 7 949
Saida 9 363 960 567
Skikda 28 976 542 1 895
Sidi-Bel-Abbèse 24 659 953 1 948
Annaba 40 740 759 3 704
Guelma 12 546 128 985
Constantine 45 1 050 736 7 411
Média 21 906 007 1 383
Mostaghanem 24 837 664 1 528
M'sila 18 1 090 415 1 741
Maqcara 26 858 632 1 425
Ouargla 26 627 035 2 827
Oran 92 1 582 519 12 032
El-Bayedh 7 256 180 261
Illizi 6 58 718 177
Bourdj-Bouariridj 19 680 050 2 648
Boumerdès 20 866 427 4 740
El-Taref 14 419 240 1 196
Tindouf 4 58 197 205
Tissemsilt 8 323 496 379
El-Oued 12 745 572 1 619
Khenchela 10 407 299 1 022
Souk-Ahras 13 483 051 1 193
Tipaza 27 648 676 2 738
Mila 19 837 054 1 702
Ain-Defla 22 859 873 1 849
Naama 6 219 598 353
Ain-Témouchent 19 399 952 875
Ghardaia 22 413 179 1 505
Relizane 19 809 435 1 321
Annexe 3. Tableau de corrélation entre les cratères de l’environnement
Corrélations
nombre
Personne d'agence par
Population morale Wilaya
Population Corrélation de Pearson 1 ,833** ,868**
Sig. (bilatérale) ,000 ,000
N 48 48 48
**
Personne morale Corrélation de Pearson ,833 1 ,987**
Sig. (bilatérale) ,000 ,000
N 48 48 48
** **
nombre d'agence par Corrélation de Pearson ,868 ,987 1
Wilaya Sig. (bilatérale) ,000 ,000
N 48 48 49
Annexe 4. L’arbre hiérarchique de classification des environnements
Annexe 5. Tableau de classification des willayas par environnement
Les wilayas NBR d'agence par Wilaya

Adrar 1
Chlef 2
Laghouat 1
Oum-El-Bouaghi 2
Batna 2
Bejaia 2
Biskra 2
Béchar 1
Blida 2
Bouira 2
Tamanrasset 1
Tébessa 2
Tlemcen 2
Tiaret 2
Tizi -Ouzou 2
Alger 3
Djelfa 2
Jijel 2
Sétif 2
Saida 1
Skikda 2
Sidi-Bel-Abbèse 2
Annaba 2
Guelma 1
Constantine 2
Média 2
Mostaghanem 2
M'sila 2
Maqcara 2
Ouargla 2
Oran 2
El-Bayedh 1
Illizi 1
Bourdj-Bouariridj 2
Boumerdès 2
El-Taref 1
Tindouf 1
Tissemsilt 1
El-Oued 2
Khenchela 1
Souk-Ahras 1
Tipaza 2
Mila 2
Ain-Defla 2
Naama 1
Ain-Témouchent 1
Ghardaia 1
Relizane 2
Annexe 6. Tableau : les résultats d’analyse des agences de l’environnement E2
Modèle 2 Modèle 3
Agence CRS VRS Scale Scale[1] CRS VRS Scale Scale
A1 0,081 0,115 0,703 Irs 0,247 0,251 0,983 irs
A2 0,275 0,608 0,452 Irs 0,457 1 0,457 irs
A3 0,634 0,662 0,957 Drs 0,444 0,531 0,835 drs
A4 0,538 0,593 0,908 Irs 0,78 0,789 0,989 irs
A5 0,746 0,761 0,98 Drs 0,703 0,781 0,9 drs
A6 0,418 0,455 0,918 Irs 0,294 0,3 0,98 irs
A7 0,976 0,979 0,997 Drs 1 1 1 -
A8 0,45 0,532 0,845 Drs 0,477 0,811 0,587 drs
A9 0,362 0,368 0,982 Irs 0,447 0,447 1 -
A10 1 1 1 - 1 1 1 -
A11 1 1 1 - 0,428 0,474 0,903 irs
A12 0,505 0,526 0,962 Drs 0,303 0,303 1 -
A13 0,284 0,4 0,71 Drs 0,188 0,323 0,582 drs
A14 0,409 0,426 0,96 Irs 0,304 0,314 0,97 drs
A15 0,423 0,428 150,988 Irs 0,322 0,323 0,995 irs
A16 0,488 0,494 0,988 Irs 0,284 0,364 0,78 irs
A17 0,507 0,621 0,817 Drs 0,258 0,27 0,953 drs
A18 0,328 0,344 0,952 Irs 0,411 0,48 0,857 irs
A19 0,346 0,357 0,97 Irs 0,463 0,463 1 -
A20 0,236 0,236 0,997 Irs 0,412 0,451 0,914 drs
A21 0,39 0,663 0,588 Drs 0,296 0,463 0,638 drs
A22 0,411 0,496 0,827 Irs 0,427 0,463 0,922 irs
A23 0,255 0,278 0,916 Irs 0,451 0,575 0,785 irs
A24 0,276 0,288 0,958 Drs 0,214 0,244 0,879 drs
A25 0,322 0,423 0,76 Drs 0,173 0,201 0,863 drs
A26 0,356 0,42 0,847 Drs 0,254 0,267 0,951 drs
A27 0,237 0,244 0,971 Irs 0,176 0,181 0,972 irs
A28 0,267 0,305 0,873 Drs 0,131 0,24 0,546 drs
A29 0,564 0,574 0,982 Irs 0,644 0,784 0,821 drs
A30 0,914 1 0,914 Drs 0,35 0,36 0,972 drs
A31 0,442 0,449 0,983 Drs 0,295 0,354 0,834 drs
A32 0,391 0,504 2 0,774 Irs 0,28 0,313 0,895 irs
A33 0,986 1 0,986 Irs 0,346 0,354 0,977 irs
A34 1 1 1 - 0,76 1 0,76 drs
A35 0,649 0,654 0,992 Drs 0,77 0,841 0,916 drs
A36 0,11 0,149 0,736 Drs 0,231 0,485 0,476 drs
A37 0,35 0,352 0,994 Drs 0,867 0,949 0,913 irs
A38 0,437 0,44 0,994 Irs 0,233 0,256 8 0,912 drs
A39 0,232 0,249 0,931 Irs 0,506 1 0,506 irs
A40 0,189 0,189 1 - 1 1 1 -
A41 0,383 0,467 0,82 Drs 0,409 0,613 0,667 drs
A42 0,547 0,549 0,997 Drs 0,293 0,403 0,727 drs
A43 0,466 0,471 0,988 Drs 0,439 0,468 0,938 drs
A44 0,133 0,193 0,692 Drs 0,44 0,579 0,76 drs
A45 0,822 0,969 0,849 Drs 0,587 0,816 0,719 drs
A46 0,482 0,5 0,964 Drs 0,634 0,788 0,805 drs
A47 0,277 0,286 0,971 Irs 0,64 0,797 0,803 drs
A48 0,626 0,65 0,964 Irs 0,466 0,487 0,957 drs
A49 0,258 0,445 0,578 Drs 0,231 0,383 0,603 drs
A50 1 1 1 - 0,594 0,61 0,973 drs
A51 0,854 0,893 0,957 Irs 0,411 0,447 0,921 irs
A52 1 1 1 - 0,511 0,516 0,989 irs
A53 0,849 0,898 0,946 Drs 0,816 0,885 0,922 drs
A54 0,412 0,559 0,737 Irs 0,524 0,559 0,936 irs
A55 0,228 0,269 0,848 Irs 0,294 0,297 0,989 irs
A56 0,658 0,68 0,968 Drs 0,556 0,595 0,934 irs
A57 1 1 1 - 0,579 0,6 0,965 drs
A58 0,54 0,876 0,616 Drs 0,598 1 0,598 drs
A59 0,617 0,634 0,973 Drs 0,576 0,611 0,943 drs
A60 0,615 0,619 0,993 Irs 0,581 0,582 0,999 -
A61 1 1 1 - 0,615 0,627 0,981 drs
A62 1 1 1 - 0,861 0,902 0,954 drs
A63 0,654 0,686 0,954 Drs 1 1 1 -
A64 0,866 0,872 0,993 Irs 0,859 0,9 0,954 drs
A65 0,662 0,707 0,936 Irs 0,77 0,825 0,934 drs
A66 1 1 1 - 1 1 1 -
A67 0,285 0,333 0,854 Drs 0,292 0,682 0,428 drs
A68 0,587 0,631 0,931 Drs 0,45 0,521 0,864 drs
A69 0,36 0,371 0,969 Drs 0,373 0,473 0,788 drs
A70 0,064 0,162 0,393 Drs 0,427 0,886 0,482 drs
A71 0,437 0,44 0,994 Irs 0,472 0,476 0,992 drs
A72 0,565 0,755 0,749 Drs 0,392 0,767 0,511 drs
A73 0,812 0,82 0,99 Drs 0,581 0,586 0,992 irs
A74 0,297 0,302 0,982 Irs 0,39 0,412 0,947 irs
A75 1 1 1 - 0,334 0,334 5 0,999 -
A76 0,752 0,753 0,998 Irs 0,825 0,829 0,995 irs
A77 0,171 0,183 0,934 Irs 0,13 0,134 0,971 irs
A78 0,375 1 0,375 Irs 0,247 0,261 0,948 irs
A79 0,72 0,735 0,98 Drs 0,938 0,995 0,942 drs
A80 0,456 0,594 0,767 Irs 0,328 0,332 0,988 irs
A81 0,872 1 0,872 Drs 0,808 1 0,808 drs
A82 1 1 1 - 1 1 1 -
A83 0,36 0,361 0,998 Drs 0,387 0,396 0,978 irs
A84 0,186 0,186 0,999 - 0,355 0,397 0,894 drs
A85 0,49 0,492 0,997 Drs 0,689 0,722 0,954 drs
A86 0,795 0,956 0,832 Drs 0,562 0,602 0,932 drs
A87 0,617 0,625 0,987 Irs 0,543 0,547 0,993 drs
A88 0,563 0,565 0,996 Irs 0,615 0,615 1 -
A89 0,933 0,978 0,954 Irs 0,848 0,853 0,995 drs
A90 0,425 0,759 0,559 Drs 0,359 0,963 0,372 drs
A91 0,323 0,334 0,967 Irs 0,339 0,35 0,966 drs
A92 0,23 0,232 0,99 Irs 0,268 0,268 0,997 drs
A93 0,463 0,473 0,978 Drs 0,241 0,243 0,991 drs
A94 0,401 0,412 0,974 Irs 0,149 0,151 0,989 irs
A95 5 0,490 0,496 0,987 Irs 0,929 0,994 0,934 drs
A96 0,564 1 0,564 Irs 1 1 1 -
A97 0,524 0,526 0,997 Irs 1 1 1 -
A98 0,374 0,494 0,757 Irs 0,375 0,387 0,971 irs
A99 0,397 0,404 0,404 Irs 0,614 0,734 0,837 drs
A100 0,613 0,682 0,899 Drs 0,589 0,923 0,638 dsr
A101 0,414 0,441 0,938 Irs 0,454 0,458 0,992 irs
A102 0,597 0,608 0,983 Irs 0,761 0,808 0,941 drs
A103 0,774 0,811 0,955 Irs 0,757 0,763 0,992 irs
A104 0,615 0,641 0,96 Irs 0,583 0,599 0,973 drs
A105 0,8 0,827 0,968 Irs 0,866 0,875 0,99 drs
A106 0,771 1 0,771 Drs 0,721 1 0,721 drs
A107 0,28 0,408 0,686 Irs 0,21 0,21 1 -
A108 0,618 0,619 0,999 Drs 0,386 0,392 0,986 irs
A109 0,105 0,105 0,995 - 0,521 0,711 0,733 drs
A110 1 1 1 - 0,348 0,364 0,957 drs
A111 0,887 1 0,887 Irs 0,686 0,766 0,895 irs
A112 0,214 2 0,380 0,564 Drs 0,14 0,328 0,428 drs
A113 0,303 0,361 0,839 Drs 0,212 0,285 0,746 drs
A114 0,948 1 0,948 Drs 0,219 0,294 0,742 drs
A115 0,443 0,719 0,616 Drs 0,419 0,53 0,79 drs
A116 0,438 0,451 0,97 Drs 0,317 0,318 0,997 irs
A117 0,405 0,406 0,996 Irs 0,695 0,862 0,806 drs
A118 0,289 0,3 0,962 Drs 0,27 0,326 0,829 drs
A119 0,729 1 0,729 Drs 0,336 0,499 0,674 drs
A120 0,273 0,329 0,83 Drs 0,257 0,318 0,807 drs
A121 0,404 0,406 0,995 Irs 0,439 0,564 0,778 drs
A122 0,436 0,465 0,938 Drs 0,408 0,448 0,909 drs
A123 1 1 1 - 0,722 0,756 0,955 drs
A124 0,802 1 0,802 Drs 0,693 0,952 0,728 drs
A125 0,351 0,364 0,965 Irs 0,34 0,344 0,99 drs
A126 0,734 0,773 0,95 Drs 0,811 0,811 1 -
A127 0,194 0,763 0,254 Drs 0,317 0,771 0,412 drs
A128 0,154 0,2 0,77 Drs 0,394 0,868 0,454 drs
A129 0,172 0,172 0,997 Drs 0,15 0,184 0,813 drs
A130 0,531 1 0,531 Drs 0,391 0,703 0,555 drs
A131 0,208 0,497 0,418 Drs 0,306 0,732 0,418 drs
A132 0,906 0,909 0,997 Irs 0,185 0,214 0,865 drs
A133 0,743 0,875 0,849 Drs 0,511 0,828 0,617 drs
A134 0,115 0,164 0,697 Drs 0,136 0,2 0,681 drs
A135 0,54 0,635 0,85 Irs 0,664 0,774 0,857 drs
A136 0,199 0,257 0,774 Drs 0,31 0,442 0,702 drs
A137 1 1 1 - 0,661 1 0,661 drs
A138 0,297 0,306 0,972 Irs 0,277 0,299 0,927 drs
A139 0,217 0,219 0,991 Drs 0,399 0,835 0,478 drs
A140 0,345 0,354 0,974 Drs 0,348 0,459 0,758 drs
A141 0,562 0,604 0,929 Drs 0,825 1 0,825 drs
A142 0,89 1 0,89 Drs 0,658 0,819 0,804 drs
A143 0,603 0,726 0,83 Drs 0,146 0,192 0,76 drs
A144 0,576 0,903 0,638 Drs 0,717 1 0,717 drs
A145 0,139 0,5 0,279 Drs 0,61 1 0,61 drs
A146 0,23 0,239 0,965 Drs 0,602 0,636 0,947 drs
A147 0,211 0,322 0,656 Drs 0,515 0,588 0,876 drs
A148 1 1 1 - 1 1 1 -
A149 0,458 0,59 9 0,776 Drs 1 1 1 -
A150 0,389 0,397 0,98 Drs 0,322 0,36 0,894 drs
A151 0,313 0,374 0,838 Drs 0,324 0,418 0,774 drs
A152 0,503 0,512 0,983 Drs 0,357 0,367 0,975 drs
A153 0,886 0,9 0,984 Irs 1 1 1 -
A154 0,631 0,634 0,996 Drs 0,617 0,636 0,97 drs
A155 0,189 0,287 0,657 Drs 0,287 0,352 0,817 drs
A156 0,264 0,377 0,699 Drs 0,405 0,521 0,777 drs
Moyenne 0,521 0,59 0,881 0,498 0,596 0,85
Annexe 7. Tableau : les résultats d’analyse des agences de l’environnement E3
Modèle
Modèle 2 3
Agence CRS VRS Scale Scale[1] CRS VRS Scale Scale
A1 0,474 0,862 0,55 - 1 1 1 -
A2 1 1 1 - 1 1 1 -
A3 0,43 0,852 0,505 Drs 0,412 0,433 0,952 Drs
A4 0,501 1 0,501 - 1 1 1 -
A5 0,499 0,583 0,856 Drs 0,845 0,853 0,99 Drs
A6 0,442 0,537 0,823 Drs 0,619 0,625 0,992 Drs
A7 1 1 1 - 1 1 1 -
A8 0,936 1 0,936 Drs 0,726 0,92 0,789 Drs
A9 0,41 0,546 0,751 Drs 0,894 0,932 0,96 Drs
A10 1 1 1 - 1 1 1 -
A11 1 1 1 - 0,517 0,613 0,843 Drs
A12 0,269 0,513 0,524 Drs 1 1 1 -
A13 0,506 0,516 0,981 Drs 0,583 0,591 0,987 Drs
A14 0,57 0,576 0,99 Irs 0,438 0,445 0,985 Irs
A15 0,513 0,513 0,899 Drs 0,347 0,428 0,81 Irs
A16 0,621 1 0,621 Drs 1 1 1 -
A17 0,605 0,643 0,941 Drs 1 1 1 -
A18 0,617 0,618 1 - 1 1 1 -
A19 0,417 0,42 0,994 Irs 0,929 0,931 0,998 Drs
A20 1 1 1 - 1 1 1 -
A21 1 1 1 - 1 1 1 -
A22 0,457 0,87 0,525 Drs 1 1 1 -
A23 0,786 1 0,786 Irs 1 1 1 -
A24 0,586 0,665 0,881 Drs 0,786 0,873 0,9 Drs
A25 0,382 0,395 0,967 Drs 1 1 1 -
A26 0,682 1 0,682 Drs 0,544 0,695 0,783 Drs
A27 0,369 0,369 0,999 - 1 1 1 -
A28 0,36 0,369 0,975 Drs 0,315 0,316 0,999 -
A29 0,372 0,822 0,453 Irs 0,635 0,643 0,988 Drs
A30 1 1 1 - 0,173 0,184 0,941 Drs
Moyenne 0,625 0,756 0,838 0,792 0,816 0,964
Annexe 8. Résultat de DEA sur l’agence A11 du groupe l’environnement E1 (modèle3)

Annexe 11. Résultat de DEA sur l’agence A8 du groupe l’environnement E3(modèle3)

Annexe 12. Les slacks d’inputs et d’outputs pour les agences du groupe E1 sous le modèle
2
Slacks Slacls
d‟outputs d‟inputs
Agence 1 2 3 4 1 2
A1 0.000 0.000 0.000 0.000 0.000 0.000
A2 0.000 0.117 0.000 0.943 0.000 0.000
A3 0.000 0.000 20.477 0.636 3.574 0.817
A4 0.000 0.000 0.000 0.000 0.000 0.000
A5 2.228 0.000 3.082 1.503 0.000 0.817
A6 0.000 0.000 0.000 2.404 0.965 0.000
A7 2.303 0.000 23.349 4.754 0.000 0.948
A8 0.000 0.235 28.877 4.354 13.295 0.000
A9 0.000 0.000 0.000 0.000 8.218 0.000
A10 1.554 0.000 0.000 0.000 0.000 0.000
A11 0.000 0.000 0.000 0.000 0.900 0.000
A12 0.034 0.144 0.000 0.000 0.000 1.459
A13 0.000 0.000 25.930 5.515 0.000 0.000
A14 0.000 0.151 31.169 2.712 0.000 0.000
A15 0.000 0.000 0.000 0.000 0.000 0.000
A16 0.000 0.000 0.000 1.784 11.016 0.000
A17 0.000 0.000 0.000 0.000 0.000 0.000
A18 0.000 0.000 0.000 1.457 3.048 2.824
A19 0.000 0.000 0.000 0.000 0.000 0.000
A20 0.000 0.000 8.471 2.923 0.000 0.000
A21 0.000 0.000 0.000 0.303 5.861 0.000
A22 0.000 0.156 23.396 2.333 3.167 21.470
A23 0.461 0.000 21.485 0.000 17.566 0.000
A24 0.000 0.000 0.000 0.000 0.000 0.000
A25 0.000 0.000 0.000 0.000 15.263 3.565
A26 0.000 0.000 0.000 0.162 0.000 0.231
Annexe 13 .Les valeurs projetées d’inputs et d’outputs pour les agences du groupe E1 sous
le modèle 2
Valeurs Valeurs
projetées projetées d
doutputs inputs
Agence 1 2 3 4 1 2
A1 1.429 1.985 66.608 2.997 20.829 7.447
A2 4.189 0.281 44.176 3.584 13.744 4.923
A3 9.832 3.401 35.465 4.312 24.338 8.142
A4 0.154 2.146 51.849 2.483 11.826 4.414
A5 2.262 2.800 13.310 2.353 10.108 4.005
A6 4.605 5.018 30.126 5.250 20.379 5.323
A7 2.320 0.422 44.497 7.619 16.168 3.550
A8 8.546 0.921 40.621 6.409 22.666 7.051
A9 10.065 0.268 43.251 6.099 23.661 7.865
A10 2.099 0.425 70.066 2.097 12.084 4.130
A11 2.817 2.540 48.654 4.946 18.954 5.479
A12 1.113 0.208 26.563 3.506 8.167 3.127
A13 4.511 1.612 30.938 6.206 17.406 4.873
A14 11.449 0.182 39.776 4.042 22.639 8.782
A15 0.059 0.029 5.410 0.894 1.789 2.638
A16 2.079 1.904 48.985 4.515 14.974 4.295
A17 5.354 6.687 24.393 4.401 21.780 5.924
A18 5.932 4.099 40.637 3.967 22.479 7.200
A19 14.201 0.194 46.269 4.225 26.835 10.307
A20 4.146 0.272 24.353 4.147 12.476 4.703
A21 2.327 1.443 65.517 2.693 17.084 5.955
A22 14.201 0.194 46.269 4.225 26.835 10.307
A23 2.098 1.604 21.487 4.856 12.054 3.624
A24 2.479 0.405 37.715 9.535 17.840 3.387
A25 4.177 3.321 39.820 5.525 20.759 5.855
A26 2.291 2.211 23.766 2.267 10.323 4.050
Annexe14. Les benchmarks des agences du groupe E1 inefficiences et leurs poids sous le
modèle 2
Agence Benchmarks les poids

1 1 1.000
2 19 10 24 15 0.207 0.380 0.179 0.235
3 19 17 0.506 0.494
4 4 1.000
5 15 17 0.584 0.416
6 19 10 24 17 0.003 0.003 0.067 0.195 0.734
7 10 15 24 4 0.224 0.019 0.745 0.011
8 19 24 17 0.493 0.408 0.099
9 19 24 0.647 0.353
10 10 1.000
11 24 17 1 10 0.264 0.257 0.327 0.152
12 10 15 24 0.189 0.535 0.276
13 19 24 15 17 0.157 0.470 0.207 0.166
14 19 24 15 0.796 0.058 0.147
15 15 1.000
16 24 10 17 4 0.262 0.151 0.314
17 17 1.000
18 19 1 17 0.192 0.192 0.285 0.523
19 19 1.000
20 19 10 15 24 0.236 0.280 0.015 0.470
21 19 17 1 10 0.032 0.048 0.465 0.455
22 19 1.000
23 24 15 17 0.371 0.413 0.216
24 24 1.000
25 19 24 17 1 0.067 0.287 0.406 0.240
26 19 10 17 15 0.013 0.183 0.317 0.488
3
Slack Slack
d'output d'input
Agence 1 2 3 4 5 6 1 2
A1 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A2 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A3 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A4 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A5 0.000 0.000 0.000 0.000 0.000 0.000 8.058 0.262
A6 1.471 0.000 81.481 170.557 0.628 0.000 0.000 0.000
A7 4.857 2508.173 113.187 1096.551 0.000 0.000 0.000 0.000
A8 1.814 2776.674 0.000 2390.158 0.000 0.000 0.000 0.000
A9 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A10 0.032 1732.159 0.000 0.000 0.000 0.000 0.000 0.000
A11 0.000 1028.795 0.000 207.683 1.725 0.000 6.584 0.000
A12 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A13 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A14 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A15 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A16 2.667 1620.133 0.000 1144.512 0.000 0.000 0.000 0.000
A17 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A18 12.181 2946.312 103.669 528.520 0.000 0.000 0.000 0.000
A19 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A20 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A21 0.258 0.000 113.368 0.000 0.000 0.000 0.000 0.155
A22 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A23 1.220 0.000 0.000 378.627 0.000 0.000 5.619 0.000
A24 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A25 0.000 3487.607 15.491 34.617 0.000 0.000 0.000 0.000
A26 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A27 0.942 619.225 16.431 228.893 0.091 0.000 0.000
Annexe 16. Les valeurs projetées d’inputs et d’outputs pour les agences du groupe E1 sous
le modèle 3
Valeurs Valeurs
projetées projetées
doutputs d inputs
Agence 1 2 3 4 5 6 1 2
A1 6.023 992.147 6875.088 1.429 0.014 1 30,01 7,447
A2
4.133 9467.690 37.076 1506.324 0.666 0.000 7,01 4,923
A3 14.182 2186.224 135.187 0.270 2.356 0.006 7,01 8,96
A4
5.569 7976.832 95.832 769.396 0.154 0.015 7,01 4,414
A5
6.105 7395.103 104.772 847.604 0.659 0.018 8,952 4,561
A6 6.750 6157.383 113.513 1096.873 2.488 0.020 12,01 5,323
A7 2.873 4606.121 1465.879 5201.821 0.004 0.001 8,01 4,498
A8
9.827 3716.857 508.461 2872.826 5.219 0.004 10,01 7,051
A9 19.902 2152.689 360.720 2687.285 5.956 0.000 8,01 7,865
A10
2.968 2605.977 205.021 1734.920 2.574 0.004 25,01 4,13
A11
10.043 1821.209 243.400 1599.957 3.837 0.031 20,426 5,479
A12
4.854 6459.638 657.683 5880.577 0.879 0.000 26,01 4,586
A13
5.837 3377.629 36.658 944.843 3.823 0.010 11,01 4,873
A14
4.905 4285.656 72.975 1915.695 9.227 0.000 11,01 8,782
A15
2.045 1316.660 29.744 229.260 0.059 0.000 7,01 2,638
A16 4.441 3896.306 553.798 2302.214 1.304 0.009 10,01 4,295
A17
11.093 1986.709 187.890 1574.713 5.354 0.047 27,01 5,924
A18
20.681 4100.635 115.637 1103.962 4.747 0.024 16,01 10,024
A19
4.089 1402.402 54.418 584.322 14.201 0.001 25,01 10,307
A20
2.225 178.706 4.776 183.825 4.022 0.002 10,01 4,703
A21
5.968 6647.402 184.410 1892.879 2.680 0.014 13,01 5,8
A22 83.354 1218.128 9.751 167.416 9.824 0.000 11,01 31,777
A23
3.193 3214.464 232.750 1078.253 0.978 0.007 16,391 3,624
A24 0.692 1209.812 150.202 748.889 2.479 0.003 41,01 3,387
A25
19.385 6318.363 85.365 754.003 2.472 0.014 9,01 9,42
A26 7.874 583.473 15.433 469.977 0.885 0.006 10,01 4,281
Annexe 17. Les benchmarks des agences du groupe E1 inefficiences et leurs poids sous le
modèle 3

1 1 1.000
2 2 1.000
3 3 1.000
4 4 1.000
5 4 17 0.903 0.097
6 14 4 22 17 0.128 0.647 0.000 0.224
7 7 1.000
8 4 17 9 7 14 0.055 0.058 0.334 0.238 0.315
9 9 1.000
10
13 15 12 7 24 0.220 0.044 0.202 0.004 0.377 0.153
11 9 7 17 26 0.043 0.073 0.626 0.258
12 12 1.000
13 13 1.000
14 14 1.000
15 15 1.000
16
13 15 7 17 4 0.203 0.214 0.347 0.092 0.144
17 17 1.000
18 4 22 14 17 0.336 0.167 0.101 0.396
19 19 1.000
20 20 1.000
21
14 17 2 1 4 0.166 0.147 0.245 0.104 0.338
22 22 1.000
23
15 7 17 24 0.366 0.104 0.231 0.063 0.236
24 24 1.000
25
22 17 9 4 14 0.174 0.058 0.000 0.731 0.037
26
26 1.000
2
Slaks Slaks
D‟outputs D‟ inputs
Agence 1 2 3 4 1 2
A1 0.000 0.000 44.228 2.702 23.518 1.042
A2 0.000 0.000 0.000 0.000 0.000 0.000
A3 0.000 8.298 12.609 0.000 13.645 2.924
A4 0.000 0.000 0.000 0.000 0.000 0.000
A5 0.000 5.403 44.108 0.000 1.889 0.000
A6 0.000 7.356 52.532 0.000 3.204 0.000
A7 0.000 0.000 0.000 0.000 0.000 0.000
A8 0.000 0.000 0.000 0.000 0.000 0.000
A9 0.000 8.099 11.581 0.000 4.191 1.555
A10 0.000 0.000 0.000 0.000 0.000 0.000
A11 0.000 0.000 0.000 0.000 0.000 0.000
A12 0.000 0.000 13.409 0.000 13.233 0.000
A13 0.000 1.445 13.522 0.000 5.288 0.000
A14 0.124 8.388 32.801 0.000 4.670 0.000
A15 0.000 6.300 0.000 0.151 2.016 0.000
A16 0.000 0.000 0.000 0.000 0.000 0.000
A17 0.000 0.000 33.666 2.242 0.558 0.000
A18 0.000 1.274 0.000 0.000 0.000 0.000
A19 0.000 1.762 0.000 1.148 0.000 0.000
A20 0.000 0.000 0.000 0.000 0.000 0.000
A21 0.000 0.000 0.000 0.000 0.000 0.000
A22 0.000 0.000 37.951 0.000 18.710 0.000
A23 0.000 0.000 0.000 0.000 0.000 0.000
A24 0.000 0.000 63.446 3.155 2.719 0.000
A25 0.000 0.000 49.188 0.805 2.699 0.000
A26 0.000 0.000 0.000 0.000 0.000 0.000
A27 0.000 6.626 24.520 0.000 0.363 0.000
A28 0.000 10.413 31.784 0.000 0.000 0.000
A29 0.000 0.108 36.081 2.232 0.000 0.000
A30 0.000 0.000 0.000 0.000 0.000 0.000
Annexe 19.Les valeurs projetées d’inputs et d’outputs pour les agences du groupe E 3 sous
le modèle 2
Valeurs Valeurs
doutputs inputs
Agence 1 2 3 4 1 2
A1 2.258 12.869 69.462 5.106 13.465 6.566
A2 1.340 13.196 76.097 5.558 10.548 3.792
A3 3.451 10.073 67.291 5.058 14.017 5.285
A4 7.383 10.147 22.683 2.191 47.415 12.277
A5 5.474 5.766 50.419 4.060 16.495 6.031
A6 3.870 7.424 52.533 4.159 13.399 4.525
A7 1.352 0.041 23.267 1.140 13.547 1.017
A8 10.251 0.014 38.924 3.447 25.190 10.093
A9 4.785 8.101 61.728 4.742 16.208 6.228
A10 5.216 0.016 12.184 1.705 12.125 2.659
A11 5.035 0.111 42.263 3.697 13.797 7.402
A12 7.614 5.313 44.417 3.670 25.408 10.002
A13 1.911 6.597 47.994 3.426 11.844 2.641
A14 1.345 8.394 56.811 3.945 11.643 2.779
A15 4.872 42.614 3.314 6.358 13.930 4.440
A16 10.977 9.763 6.400 0.812 41.189 32.927
A17 6.723 5.846 39.766 2.891 16.858 5.778
A18 5.431 1.382 40.162 3.119 14.303 6.249
A19 6.719 1.810 27.308 2.163 15.714 5.232
A20 5.369 6.438 27.821 1.723 13.232 4.977
A21 12.742 0.190 11.413 0.536 24.879 8.832
A22 10.128 0.514 37.952 3.367 26.277 10.217
A23 1.097 6.384 0.001 0.682 9.205 2.624
A24 2.887 11.634 66.317 4.840 14.031 4.781
A25 2.925 9.191 56.588 4.322 11.713 3.778
A26 5.702 0.008 69.188 3.249 30.908 7.559
A27 2.050 10.734 64.198 4.836 10.848 3.574
A28 3.482 10.434 63.307 4.595 13.179 4.781
A29 0.325 0.136 54.975 3.980 6.641 3.465
A30 0.257 0.024 57.651 4.189 6.234 3.608

1 2 16 0.905 0.095
2 2 1.000
3 8 2 0.237 0.763
4 4 1.000
5 10 2 8 0.177 0.436 0.387
6 10 2 8 0.272 0.562 0.165
7 7 1.000
8 8 1.000
9 8 2 0.387 0.613
10 10 1.000
11 11 1.000
12 8 2 4 16 0.552 0.255 0.140 0.053
13 7 2 10 0.355 0.499 0.146
14 2 7 0.635 0.365
15 21 2 10 0.201 0.479 0.321
16 16 1.000
17 21 10 2 0.425 0.138 0.437
18 11 21 2 10 30 0.365 0.246 0.098 0.050 0.241
19 10 21 2 30 0.345 0.369 0.131 0.155
20 20 1.000
21 21 1.000
22 21 4 16 8 0.006 0.048 0.001 0.945
23 23 1.000
24
21 2 4 0.108 0.840 0.053
25 10 2 21 0.251 0.695 0.054
26 26 1.000
27 10 2 7 0.183 0.813 0.004
28 21 2 10 11 0.788 0.006 0.030
29 7 30 23 0.048 0.934 0.018
30 30 1.000
Slacks Slacks
d‟outputs d‟ inputs
Agence 1 2 3 4 5 6 1 2
A1 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A2 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A3 0.000 953.679 384.275 951.191 0.000 0.000 0.000 0.000
A4 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A5 0.847 0.000 158.898 0.000 0.240 0.031 0.000 0.000
A6 0.000 0.000 456.082 1579.343 0.000 0.009 0.000 0.000
A7 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A8 2.351 0.000 218.969 1046.093 0.000 0.023 7.105 0.229
A9 0.000 0.000 542.649 777.651 0.000 0.007 0.000 2.309
A10 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A11 0.329 0.000 194.062 693.036 0.000 0.021 5.024 0.000
A12 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A13 8.203 0.000 857.677 0.000 0.000 0.000 0.000 0.000
A14 0.000 624.932 3704.596 0.000 0.000 0.038 0.000 0.000
A15 0.000 0.000 341.047 858.213 0.000 0.001 6.679 0.000
A16 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A17 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A18 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A19 0.320 0.000 246.503 1290.671 0.000 0.023 0.000 0.000
A20 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A21 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A22 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A23 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A24 10.927 0.000 4931.168 977.441 0.000 0.000 0.000 0.000
A25 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A26 0.000 0.000 538.630 653.685 0.000 0.002 10.179 0.000
A27 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
A28 0.000 0.000 455.568 1812.951 0.000 0.008 0.000 0.000
A29 10.659 0.000 228.952 771.738 0.560 0.011 0.000 0.000
A30 0.000 0.000 10558.527 0.000 0.000 0.058 0.000 0.000
Annexe 22.Les valeurs projetées d’inputs et d’outputs pour les agences du groupe E 3 sous
le modèle 3
Valeurs Valeurs
doutputs inputs
Agence 1 2 3 4 5 6
A1 1.429 1.985 66.608 2.997 20.829 7.447
A2 4.189 0.281 44.176 3.584 13.744 4.923
A3 9.832 3.401 35.465 4.312 24.338 8.142
A4 0.154 2.146 51.849 2.483 11.826 4.414
A5 2.262 2.800 13.310 2.353 10.108 4.005
A6 4.605 5.018 30.126 5.250 20.379 5.323
A7 2.320 0.422 44.497 7.619 16.168 3.550
A8 8.546 0.921 40.621 6.409 22.666 7.051
A9 10.065 0.268 43.251 6.099 23.661 7.865
A10 2.099 0.425 70.066 2.097 12.084 4.130
A11 2.817 2.540 48.654 4.946 18.954 5.479
A12 1.113 0.208 26.563 3.506 8.167 3.127
A13 4.511 1.612 30.938 6.206 17.406 4.873
A14 11.449 0.182 39.776 4.042 22.639 8.782
A15 0.059 0.029 5.410 0.894 1.789 2.638
A16 2.079 1.904 48.985 4.515 14.974 4.295
A17 5.354 6.687 24.393 4.401 21.780 5.924
A18 5.932 4.099 40.637 3.967 22.479 7.200
A19 14.201 0.194 46.269 4.225 26.835 10.307
A20 4.146 0.272 24.353 4.147 12.476 4.703
A21 2.327 1.443 65.517 2.693 17.084 5.955
A22 14.201 0.194 46.269 4.225 26.835 10.307
A23 2.098 1.604 21.487 4.856 12.054 3.624
A24 2.479 0.405 37.715 9.535 17.840 3.387
A25 4.177 3.321 39.820 5.525 20.759 5.855
A26 2.291 2.211 23.766 2.267 10.323 4.050
A27 0.000 0.000 0.000 0.000 0.000 0.000
A28 0.000 0.000 455.568 1812.951 0.000 0.008
A29 10.659 0.000 228.952 771.738 0.560 0.011
A30 0.000 0.000 10558.527 0.000 0.000 0.058
Annexe 23.Les benchmarks des agences du groupe E3 inefficiences et leurs poids sous le
modèle 3
1 1 1.000
2 2 1.000
3
4 23 22 25 21 0.131 0.280 0.494 0.004 0.091
4 4 1.000
5 27 18 4 7 0.018 0.030 0.427 0.524
6 10 18 7 27 4 0.292 0.257 0.078 0.290 0.084
7 7 1.000
8 4 21 0.300 0.700
9 25 28 27 22 0.088 0.415 0.381 0.116
10 10 1.000
11 4 10 21 0.292 0.395 0.314
12 12 1.000
13 23 10 4 2 7 20 0.545 0.027 0.053 0.026 0.341 0.007
14 23 7 2 10 25 0.354 0.177 0.167 0.093 0.208
15 4 18 2 10 25 0.011 0.231 0.621 0.136
16 16 1.000
17 17 1.000
18 18 1.000
19 17 4 7 27 0.473 0.084 0.046 0.397
20 20 1.000
21 21 1.000
22 22 1.000
23 23 1.000
24 4 23 1 2 20 0.026 0.337 0.256 0.226 0.156
25 25 1.000
26 21 4 18 10 0.507 0.012 0.461 0.020
27 27 1.000
28 27 17 10 18 21 0.090 0.249 0.318 0.329 0.013
29 4 7 27 0.022 0.118 0.859
30
2 25 18 7 10 0.510 0.397 0.006 0.057 0.031
Table des matières
Introduction générale ............................................................................................. 1

Chapitre I : Concepts théoriques de la performance ............................................................
Introduction ............................................................................................................................. 5
Section 1 : La performance un concept multidimensionnel ...................................................... 6
1.1 Définition des concepts de la performance ........................................................................................... 6
1.1.1. Les dimensions de la performance ........................................................................................ 8
1.2. Les spécificités de la performance dans l‟activité bancaire ......................................................... 9
1.2.1. Les activités de la banque ...................................................................................................... 9
1.2.2. La rentabilité bancaire ......................................................................................................... 11
1.2.3. Les principaux risques générés par les activités bancaires ............................................... 12
1.2.4. L‟organisation de la banque en centres de responsabilité................................................. 12
1.3. La typologie de la performance des agences bancaires .............................................................. 16
1.3.1. La performance opérationnelle ........................................................................................... 16
1.3.2. La performance financière .................................................................................................. 17
1.3.3. La performance commerciale des agences bancaires ........................................................ 18
1.3.4. La performance globale des agences bancaires ................................................................. 18
Section 2 : L‟efficience des banques ....................................................................................... 19

2.1. Revues et littératures ........................................................................................................................... 19
2.2. L‟efficience des agences bancaires ..................................................................................................... 20
2.2.1. Efficience technique .................................................................................................................... 21
2.2.2. Efficience prix (l‟efficience allocative)....................................................................................... 22
2.2.3. Efficience globale......................................................................................................................... 22
Section 3 : Les mesures traditionnelles de la performance ..................................................... 23

1.1. Les outils traditionnels du contrôle de gestion bancaire ............................................................ 23
1.1.1. La gestion prévisionnelle ...................................................................................................... 23
1.1.2. Le tableau de bord ................................................................................................................ 24
1.1.3. Les indicateurs de la rentabilité ......................................................................................... 24
1.2. Les ratios d‟exploitations .............................................................................................................. 27
1.2.1. Ratios de structure ............................................................................................................... 28
1.2.2. Ratios de rentabilité ............................................................................................................. 28
1.2.5. RAROC (Risk Adjusted Return On Capital) ..................................................................... 29
Conclusion ............................................................................................................................. 30
Chapitre II : les Méthode de mesure de la performance bancaire.........................................

Introduction ........................................................................................................................... 32
Section 1 : Les outils classiques de mesure de la performance bancaire ................................. 33
1.1. Les méthodes d‟évaluation utilisées par les praticiens ............................................................... 33
1.1.1. La méthode de budgétisation à base zéro BBZ .................................................................. 33
1.1.2. La méthode activity based costing ABC/ABM ................................................................... 34
1.1.3. Tableau de bord prospectif .................................................................................................. 34
1.1.4. Le Benchmarking ................................................................................................................. 35
Section 2 : Les méthodes paramétriques ................................................................................ 36
1. 2. La fonction de production ............................................................................................................. 36
2.2. La technologie de production bancaire............................................................................................ 38
1.3. Les principales approches de la fonction de production ............................................................ 39
1.3.1. L‟approche déterministe de la frontière de production .................................................... 39
1.3.2. L‟approche probabiliste de la frontière de production ..................................................... 40
1.3.3. L‟approche par la frontière stochastique ........................................................................... 40
Section 3 : Les méthodes non paramétriques ......................................................................... 43

3.1. Les modèles non paramétriques ................................................................................................... 43
3.1.1. La méthode free disposal Hull ............................................................................................ 43
3.1.2. La méthode DEA .................................................................................................................. 44
3.1.3. L‟illustration de la décomposition de l‟efficience par Farrell ........................................... 44
3.2. Les aspects techniques de la méthode DEA................................................................................. 45
3.2.1. Le concept de la méthode DEA ........................................................................................... 46
3.2.2. Le fonctionnement de la DEA .............................................................................................. 47
3.3. Les modèles de bases ..................................................................................................................... 52
3.3.1. Le modèle CCR (Charnes, Cooper et Rhodes ) .................................................................. 52
3. 3 .2. Le Modèle BCC ( Banker, Cooper et Charnes) ...................................................................... 56
Conclusion ..................................................................................................................... 59
Chapitre III : Application empirique Analyse de la performance des agences de la CNEP-
Banque ...............................................................................................................................
Introduction ........................................................................................................................... 61
Section 1 : Méthodologie et présentation des données ............................................................ 62
1.1. Les spécifications du modèle DEA appliqué à un réseau d‟agences bancaires ........................ 62
1.1. 1. Littérateur sur l‟application de la méthode DEA pour mesurer de la performance des
agences bancaires ................................................................................................................................... 62
1.1.2. Les approche du choix d‟inputs et outputs ................................................................................ 63
1.1.3. Présentation du modèle et des données ............................................................................... 64
1.1.4. Le problème mathématique à optimiser ............................................................................. 66
Section 2 : Classification des agences et choix de modèle ....................................................... 68

2.1. L‟analyse de la sensibilité des modèles par rapport au choix des inputs et des outputs ............... 68
2.2. Classification des agences en groupes homogènes ............................................................................ 69
2.2.1. L‟Analyse de l‟environnement de l‟agence bancaire ................................................................ 69
2.2.2. Répartition des agences de la CNEP-Banque sur les groupes d‟environnement .................... 72
Section 3 : Application de la méthode DEA sur les agences de la CNEP-Banque ................... 72

3.1. Application du modèle DEA sur chaque groupe d‟agence homogène ...................................... 72
3.1.1. Application de l‟approche DEA sur les agences de l‟environnement E1 ......................... 72
3.2. Evaluation de l‟impact des économies d‟échelle ......................................................................... 76
3.2.1. L‟efficience globale et les inefficiences d‟échelle des groupes des agences ...................... 77
3.3. Diagnostic d‟une agence bancaire de groupe E1, E2 et d‟une agence de groupe E3 .............. 79
3.3.1. Diagnostic de l‟agence de l‟environnement E1 (A11) ....................................................... 79
3.3.2. Diagnostic de l‟agence A3 de groupe d‟environnement E2 ............................................... 82
3.3.3. Diagnostic de l‟agence A8 de groupe d‟environnement E3 ............................................... 85
3.4. La contribution des agences efficientes (inefficientes) aux activités du groupe ....................... 87
3.4.1. La contribution des agences de groupe E1 ......................................................................... 87
3.4.2. Le groupe des agences de groupe E2 ................................................................................... 88
3.4.3. Le groupe des agences du groupe E3 .................................................................................. 88
3.5. Robustesse du modèle ................................................................................................................... 89
Conclusion ............................................................................................................................. 91
Conclusion générale ................................................................................................ 93

Bibliographie .................................................................................................................. 95
Liste des figures ............................................................................................................. 99
Liste des tables ...............................................................................................................100
Liste des Anexes ............................................................................................................101
ANNEXES ....................................................................................................................102
Table des matières .........................................................................................................130

RACHEM Sabrina

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

RACHEM Sabrina

Transféré par

Droits d'auteur :

Formats disponibles

Remerciement

Mes remerciements vont aussi à toute l‟équipe de l‟Institut de Financement du

Mes remerciements s‟étendent également à ma très chère famille pour sa

Introduction générale ............................................................................................. 1

Chapitre I : Concepts théoriques de la performance ............................................................

Section 1 : La performance un concept multidimensionnel ...................................................... 6

Section 2 : L‟efficience des banques ....................................................................................... 19

Section 3 : Les mesures traditionnelles de la performance ..................................................... 23

Chapitre II : les Méthode de mesure de la performance bancaire.........................................

Section 1 : Les outils classiques de mesure de la performance bancaire ................................. 33

Section 2 : Les méthodes paramétriques ................................................................................ 36

Section 3 : Les méthodes non paramétriques ......................................................................... 43

Chapitre III : Application empirique : Analyse de la performance des agences de la CNEP-

Section 1 : Méthodologie et présentation des données ............................................................ 62

Section 2 : Classification des agences et choix de modèle ....................................................... 68

Section 3 : Application de la méthode DEA sur les agences de la CNEP-Banque ................... 72

Conclusion générale ................................................................................................ 93

Le monde bancaire et financier a connu ces dernières décennies des bouleversements

De ce point de vue, la performance doit être appréhendée à deux niveaux ; un premier

Or, les méthodes traditionnelles du contrôle de gestion s‟avèrent incapables de prendre

Cette approche permet d‟identifier les unités relativement efficientes dans un

 Comment allons-nous apprécier la performance des agences bancaires de la CNEP-

Le deuxième chapitre sera consacré aux méthodes d‟évaluation de la performance

Section 1 : La performance un concept multidimensionnel

1.1 Définition des concepts de la performance

De La Villarmois, définit également «l'efficacité comme étant la capacité à réaliser des

 La rentabilité : c‟est le rapport entre le bénéfice obtenu par rapport aux

1.1.1. Les dimensions de la performance

Morin et Al ont identifié quatre dimensions de la performance4 :

 Une dimension de performance sociale : elle représente la valeur des ressources

 Une dimension de performance économique : représentant l'efficience économique

Figure1 : La performance (Source Bouquin, 2004)

 Une dimension de performance globale: Ayant longtemps, la performance n‟été

1.2. Les spécificités de la performance dans l‟activité bancaire

1.2.1. Les activités de la banque

 L’intermédiation financière: ce procédé est lié à la finance indirecte ou à l‟économie

1.2.2. La rentabilité bancaire5

La rentabilité d‟une banque représente son aptitude et sa capacité à dégager de son

 La rentabilité par segment clientèle : le calcul de la rentabilité permet d‟orienter la

 La rentabilité par réseau de distribution : la rentabilité par réseau de distribution peut

1.2.3. Les principaux risques générés par les activités bancaires

 Le risque de crédit : C‟est le risque de perte en cas de défaillance de l‟emprunteur, il

1.2.4. L‟organisation de la banque en centres de responsabilité

La banque est découpée en centres de responsabilité afin de motiver les

A- Définition du centre de responsabilité

B- Les types de centres de responsabilités7 : nous pouvons distinguer trois types de

 Les centres de coûts

Les centres de coûts à leur tour se décomposent en trois catégories :

 Les centres de revenus : Appelés également « centres de recettes », ils ne possèdent

 Les centres de profit : De leurs activités financières et commerciales les centres de

C- Les agences et le siège

 Les agences et leurs services8

 Les agences itinérantes.

 L’agence traditionnelle : comprenait l‟ensemble de guichets chargés des

 L‟agence moderne : elle effectue les mêmes opérations de l‟agence

Il existe plusieurs mode de fonctionnement entre le siège et les agences, de l‟exécution

1. Agence d’exécution : l‟activité de l‟agence est régie par le siège qui

2. Agence déconcentrée : dans ce mode de fonctionnement, le directeur de

3. Agence décentralisée : l‟agence dans ce mode de fonctionnement à des

 de placement des produits de siège ;

 le suivi des orientations fixées par le siège en terme de structure de

1.3. La typologie de la performance des agences bancaires

Cependant, la mesure de la performance à l‟échelle des banques permet de les